如何在移除重复行（如使用dplyr::distinct()）的同时，根据指定列的一致性完全删除部分实例？

这是个非常典型的数据清洗场景，我们可以通过dplyr的分组、过滤和去重组合操作来实现你的需求——只保留那些同一受访者（id）两次国籍回答完全一致的记录，同时完成去重。

完整代码实现 #

library(dplyr)

df_clean <- df_final %>%
  # 按受访者id分组，针对每个个体的数据单独处理
  group_by(id) %>%
  # 筛选出分组内国籍唯一值数量为1的组（即两次回答一致）
  filter(n_distinct(country) == 1) %>%
  # 对符合条件的组执行去重，保留每组一行数据
  distinct(id, .keep_all = TRUE) %>%
  # 取消分组，恢复常规数据框结构
  ungroup()

# 查看清洗后的结果
df_clean

运行结果 #

# A tibble: 5 × 4
     id height weight country
  <int>  <int>  <int> <chr>  
1     1    156    189 uk     
2     3    195    190 germany
3     5    188    184 india  
4     8    155    130 morroco
5    10    202     97 italy  

步骤解释 #

1. group_by(id)：把数据按受访者id分成独立的小组，这样我们可以逐个检查每个受访者的两次回答是否一致。
2. filter(n_distinct(country) == 1)：用n_distinct()统计每个分组内country的唯一值数量，只保留数量等于1的分组——也就是两次国籍回答完全相同的受访者，那些回答矛盾的（比如id=2、4）会被直接过滤掉。
3. distinct(id, .keep_all = TRUE)：对筛选后的有效分组执行去重，每个id只保留一行数据，同时保留所有列的信息。
4. ungroup()：取消分组状态，让数据回到常规的 tibble/data.frame 格式，方便后续操作。

这样就完美实现了你的两个目标：先剔除回答不一致的无效受访者，再对有效数据进行去重，比直接用distinct()更精准地满足了数据清洗需求。

内容的提问来源于stack exchange，提问作者Emman