如何在分组后为DataFrame中每个分组保留恰好两条重复记录？

现有一个包含ID、species（物种名称）和sequence（DNA序列）的DataFrame，其中部分物种存在重复的DNA序列。需求是：对每个物种的每条重复序列，恰好保留两条记录（可选择保留前两条，或随机选取均可）。

目前已实现保留每条重复序列仅一条记录的dplyr代码如下：

library(dplyr)
df_filtered <- df %>%
  group_by(species, sequence) %>%
  slice(1) %>%
  ungroup()

询问如何修改上述代码以实现保留两条重复序列的需求，预期输出示例如下：

解决方案 #

只需修改slice()相关函数的参数即可实现需求：

1. 保留每组的前两条记录 #

将原代码中的slice(1)改为slice(1:2)，这样每个分组（同一物种的同一条序列）会保留前两行记录：

library(dplyr)
df_filtered <- df %>%
  group_by(species, sequence) %>%
  slice(1:2) %>%  # 修改此处，取前两条
  ungroup()

2. 随机选取每组的两条记录 #

如果需要随机选取而非固定取前两条，可以使用slice_sample()函数并指定n=2：

library(dplyr)
df_filtered <- df %>%
  group_by(species, sequence) %>%
  slice_sample(n = 2) %>%  # 随机选取两条
  ungroup()

说明：group_by(species, sequence)的作用是将数据按物种和DNA序列分组，确保操作针对同一物种的同一条重复序列进行，完全匹配需求中的要求。

内容的提问来源于stack exchange，提问作者tadeufontes