在R中筛选group与col_3均唯一的行，验证代码正确性

我需要从数据框中抽取4行数据，要求每行的group值唯一，且col_3值全局唯一。之前尝试的代码无法满足col_3不重复的要求，以下是问题分析和解决方案：

问题代码分析 #

最初的尝试代码：

rndmData <- mydata %>% 
  filter(group %in% sample(unique(group), size = 4)) %>% 
  group_by(group) %>% 
  filter(col_3 %in% sample(unique(col_3), size = 4)) %>% 
  slice_sample(n = 1) %>% 
  ungroup()

这段代码的问题在于：先固定选择4个随机group，再在每个group内独立筛选col_3并抽取行。由于不同group间的col_3可能存在重叠，最终结果很容易出现col_3重复的情况，无法满足全局唯一的要求。

解决方案：迭代式筛选保证双重唯一性 #

我们可以通过迭代的方式，逐个选择符合条件的行：每次选择一个未使用过的group，并从该group中选一个未被使用过的col_3对应的行，直到选够4行。代码如下：

library(dplyr)

# 设置随机种子保证结果可复现
set.seed(123)

# 随机打乱所有group的顺序，增加随机性
random_group_order <- sample(unique(mydata$group))

# 初始化存储选中行和已使用col_3的变量
selected_rows <- list()
used_col3 <- c()

# 遍历随机排序的group
for (g in random_group_order) {
  # 筛选当前group中col_3未被使用的行
  available <- mydata %>% filter(group == g, !col_3 %in% used_col3)
  
  if (nrow(available) > 0) {
    # 从可用行中随机选1行
    chosen_row <- available %>% slice_sample(n = 1)
    selected_rows <- append(selected_rows, list(chosen_row))
    used_col3 <- c(used_col3, chosen_row$col_3)
    
    # 选够4行就停止循环
    if (length(selected_rows) == 4) break
  }
}

# 合并选中的行得到最终结果
rndmData <- bind_rows(selected_rows)

代码说明 #

1. 随机打乱group顺序：避免每次都按固定顺序选择group，保证随机性。
2. 迭代筛选：每次只从当前group中选择未被使用过的col_3对应的行，确保col_3全局唯一；同时每个group只处理一次，保证group唯一。
3. 终止条件：选够4行后立即停止循环，提升效率。

运行这段代码后，得到的结果会满足group和col_3均唯一的要求，类似示例输出：

group col_2 col_3 col_4
1     A   i_z    13    22
2     H   q_z    11    24
3     D   q_m    17    28
4     F   i_z    15    26

内容的提问来源于stack exchange，提问作者Ajrhjnd