如何在tidyverse中结合group_by()与sample()按study分组筛选对应group行

完整可运行代码 #

library(tidyverse)

# 构造示例数据集
data <- expand_grid(study=1:3,group=1:2,outcome=c("A","B"), time=0:1) %>%
  as.data.frame()

# 提取所有唯一study值，用于后续生成一一对应的筛选规则
unique_studies <- unique(data$study)
# 为每个study生成随机筛选规则：0取全部、1取group=1、2取group=2
group_row <- sapply(seq_along(unique_studies), 
                    function(i) sample(0:2, 1, replace = TRUE))
# 生成study与筛选规则的映射表，方便匹配
study_rule <- tibble(study = unique_studies, select_rule = group_row)

# 按规则筛选数据
result <- data %>%
  left_join(study_rule, by = "study") %>%
  group_by(study) %>%
  filter(select_rule == 0 | group == select_rule) %>%
  select(-select_rule) %>%
  ungroup() %>%
  arrange(study, group, outcome, time)

核心逻辑说明 #

• 先为每个study生成一一对应的筛选规则，避免规则和study错位
• 筛选条件select_rule == 0 | group == select_rule刚好匹配需求：
  • 规则为0时，select_rule ==0判断为真，该study下所有行都保留
  • 规则为1/2时，仅保留group等于对应规则值的行

原代码问题说明 #

• 错误按group分组，需求是按study分组处理
• 没有将随机生成的group_row和每个study做对应匹配，循环范围1:2和study数量不匹配
• 规则为0时用unique(data$group)和group做比较，会出现向量长度不匹配的逻辑错误

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