R语言实现数据框抽样：按id与person筛选且保证person列无重复

嗨，我来帮你搞定这个抽样需求！你的核心要求很明确：从给定的数据框里筛选出数据，最终结果中每个person只能对应一组完整的id行（也就是同一个person不能出现在多个id的结果里），对吧？

先理清楚你的数据结构：原始数据里，每个person对应连续的3个id（比如Male 1对应id1-3，Male 2对应id4-6），每个id又有3行不同的group值。我们要做的就是给每个person随机挑一个它对应的id，然后保留这个id的所有3行数据，这样就能确保person字段完全不重复。

下面给你两种实用的解决方案：

方法1：用dplyr（推荐，代码更直观） #

如果你习惯用tidyverse系列的包，这个方法清晰易懂：

library(dplyr)

# 步骤：按person分组→每组随机选一个id→关联回原始数据获取该id的所有行
result <- data %>%
  # 按person分组，保证每个person单独处理
  group_by(person) %>%
  # 每组随机抽取1行（这样就拿到了该person对应的一个唯一id）
  slice_sample(n = 1) %>%
  # 取消分组，方便后续操作
  ungroup() %>%
  # 只保留id和person，用来关联原始数据
  select(id, person) %>%
  # 关联回原始数据，拿到这个id对应的所有3行group数据
  inner_join(data, by = c("id", "person"))

运行完后，你可以用unique(result$person)检查，会发现每个person只出现一次，完全符合你的要求。

方法2：用Base R（无需额外加载包） #

如果不想加载外部包，用Base R也能轻松实现：

# 步骤：按person拆分id列表→每个person随机选一个id→筛选出对应行
# 1. 把id按person分组拆分
person_id_groups <- split(data$id, data$person)
# 2. 对每个person的id列表（去重后）随机选1个id
selected_ids <- sapply(person_id_groups, function(ids) sample(unique(ids), 1))
# 3. 从原始数据中筛选出这些id的所有行
result <- data[data$id %in% selected_ids, ]

小提醒 #

注意你的原始数据里"Female 2 "后面多了一个空格，这可能会导致分组错误（比如把"Female 2"和"Female 2 "当成两个不同的person）。如果是笔误的话，可以先清理一下：

data$person <- trimws(data$person)

这样处理后，不管用哪种方法，都能得到你想要的结果——每个person只对应一个id的完整3行数据，不会出现重复的person。

内容的提问来源于stack exchange，提问作者mmw