看起来您的逻辑是，对于每个id，您只需要off的最小值和on的最大值，因此这应该可以做到。

library(dplyr, warn.conflicts = FALSE)
ids <- c(1, 1, 1, 2, 2, 2)
date <- c(1,1,1, 3,3,3)
off <- c(111,234,111, 675,876,675)
on <- c(234,111,876, 876,675,876)

df <- data.frame(ids = ids, date = date, on = on, off = off)
df %>%
  group_by(ids) %>%
  filter(on == max(on), off == min(off)) %>%
  distinct()
#> # A tibble: 2 × 4
#> # Groups:   ids [2]
#>     ids  date    on   off
#>   <dbl> <dbl> <dbl> <dbl>
#> 1     1     1   876   111
#> 2     2     3   876   675

由reprex package（v2.0.1）于2023年2月2日创建

也可以使用group_by和slice_head

data.frame(ids, date, on, off) %>% arrange(ids,date, on, off) %>% group_by(ids) %>% 
slice_head(n=1)

创建于2023年2月2日，使用reprex v2.0.2

# A tibble: 2 × 4
# Groups:   ids [2]
    ids  date    on   off
  <dbl> <dbl> <dbl> <dbl>
1     1     1   111   234
2     2     3   675   876

每个组的首行和末行决定了开始和结束。因此，选择它们并汇总数据。例如：

library(dplyr)
library(tidyr)

df %>% 
  group_by(ids, date) %>% 
  mutate(start = case_when(row_number() == 1 ~ off),
         end = case_when(row_number() == n() ~ on)) %>% 
  select(-on, -off) %>% 
  filter(!(is.na(start) & is.na(end))) %>% 
  fill(start, .direction="down") %>% 
  fill(end, .direction="up") %>% 
  distinct()

这将导致：

# A tibble: 2 × 4
# Groups:   ids, date [2]
    ids  date start   end
  <dbl> <dbl> <dbl> <dbl>
1     1     1   111   876
2     2     3   675   876