R 高效过滤数据，无需单一唯一值

我正在处理一个大数据集（350000行），在分析数据之前，我必须清理它。数据没有一列可以简单地过滤到其他变量中；相反，它是唯一的，基于以下组合：日期代码，用户id，在特定产品中。用户还可以在同一时间段内拥有多个评级（因为产品可能有多个标准）。我想有效地循环最一般的因素（比如可能先做date）以减少我的计算时间。我（如果可能的话）还想创建动态变量，这是一个问题，因为我需要它的动态性质

因此，我可能会调用数据

filtered.{data\u code}

，然后对于每个唯一的

date\u code

s，我可能会按

product\u id

进行过滤，并将其分组到

filtered.{date\u code}.{product\u id}

中，最后删除所有重复的

user\u id

，因为它们在每个日期范围内只能有一个。我对移除残疾人没有任何问题，但我确实有一个问题，那就是如何扩大这个范围，因为我可以用硬编码的值进行概念验证

我试过用动态赋值做一些循环，这似乎不是做事情的“R方式”。例如，我想获取原始数据，并按日期代码（目前有四个）将其分块，因此它可能看起来像

DATE_CODE USER_ID PRODUCT_ID PROVIDER_ID
201940    9122321 PROD05241  9100921
201920    9127421 PROD15370  9402929
201840    9122321 PROD05241  9105923
201940    9130825 PROD05241  9600929
201920    9122377 PROD05241  9700900
201740    9199023 PROD05241  9107922
...

最后，我希望每个产品输出自己的CSV文件，每个日期代码输出自己的CSV文件

下面的硬编码示例：

library("dplyr")
library("tidyr")
require(stats)
d <- read.csv("DB_Export-20190831.csv")
product_bydate <- d
product_dates <- c(unique(d$DATE_CODE))

productOfInterest.raw <- subset(d, DATE_CODE == "201840")

user_ids <- data.frame("USER_ID" = unique(productOfInterest.raw$USER_ID))
productOfInterest.noinval <- filter(productOfInterest.raw, RATING != "N/A" & RATING != "" & !is.null(RATING))
productOfInterest.diffrnc <- anti_join(productOfInterest.raw, productOfInterest.noinval, by="USER_ID")
productOfInterest.trim <- productOfInterest.raw

i = 1
for (i in 1:nrow(user_ids)){
  if(user_ids$USER_ID[i] %in% productOfInterest.diffrnc$USER_ID) {
    productOfInterest.trim <- filter(productOfInterest.noinval, USER_ID != user_ids$USER_ID[i])
  }
}

write.csv(productOfInterest.trim, file = "trimmed-07100.csv")

库（“dplyr”）
图书馆（“tidyr”）
需要（统计）
为什么不通过df$id创建一个唯一的id欢迎使用SO。这是一个相当广泛的问题，可以缩小范围。你本质上是在问如何基于多个列进行过滤吗？比尔·奥布莱恩，我想这就是我要问的。我在SQL中做过一些工作，但通常在做这些工作时会引用一个键表。在这里，我只需要根据多列的值进行筛选，并将它们收集在一起，以执行重复数据消除和删除无效条目的操作。