R语言：按抗体规则对含重复ID的DataFrame去重并保留原始行

我明白你的核心需求：给带有重复ID的DataFrame去重，每个ID仅保留一行，且必须保证只要患者有过阳性抗体结果，就保留一条原始的阳性行（带对应的AA、BB值）；全阴性则保留一条原始阴性行。之前的group_by + summarise方法确实存在风险——它会把组内第一行的AA/BB值和手动设定的抗体状态强行绑定，完全忽略了状态与对应行的关联逻辑。

这里给你一个更可靠的解决方案，用dplyr就能实现，全程保留原始行的所有数据：

library(dplyr)

# 按规则去重，完整保留原始行数据
df_cleaned <- df %>%
  group_by(ID) %>%
  # 先筛选符合条件的行：有阳性则留所有阳性行，全阴性则留所有阴性行
  filter(if (any(antibodies == "positive")) antibodies == "positive" else antibodies == "negative") %>%
  # 从筛选后的行中随机抽取1条
  slice_sample(n = 1) %>%
  # 取消分组，恢复常规DataFrame结构
  ungroup()

代码逻辑拆解： #

• group_by(ID)：将数据按患者ID分组，每个组对应同一个患者的所有检测记录
• filter(...)：对每个组做针对性筛选：
  • 如果组内存在至少一条阳性结果（any(antibodies == "positive")），就只保留组内所有阳性行
  • 如果组内全是阴性结果，就保留所有阴性行
• slice_sample(n = 1)：在筛选后的行里随机抽取1条，确保选中的是完全原始的行，AA、BB值与抗体状态完全匹配
• ungroup()：取消分组，让结果回到常规的DataFrame格式

对比原方法的优势： #

原方法用summarise手动赋值抗体状态，再取first(AA)，本质是把"抗体状态"和"组内第一行的AA/BB"强行绑定，完全不考虑状态对应的原始行。而这个方法是先筛选出符合状态要求的原始行，再随机选一条，从根源上避免了状态与其他列不匹配的问题。

比如用你提供的示例数据测试，ID3的筛选结果是前两条阳性行，slice_sample会随机选中其中一条，保留对应的AA（567或568）和BB（786或45645），绝对不会出现"阳性状态搭配阴性行AA/BB"的错误。

内容的提问来源于stack exchange，提问作者Lili