R语言无放回采样出现重复行及动态数据框分配问题

这不是R或dplyr的已知Bug，问题出在代码逻辑：replace=FALSE仅保证单次采样的结果无重复，你每次循环都是从完整的原始df中采样，没有移除之前循环已经抽走的行，所以自然会出现同一行出现在多个分组的情况。

需要同时满足「所有分组无重复行」「每个分组固定2名女性、其余为男性」的要求，核心逻辑为：先将原始数据按性别拆分出独立的采样池，每次采样后从对应池子中移除已选行，最后将分组结果存入预定义的列表即可。

library(dplyr)

# 构造示例数据，可替换为你的真实数据
df <- data.frame(
  name = c("arjun","Andrea", "Biswas","Ann","Biju", "Sheela","Deepti","Betty", "Hema", "Gowri","Kunal", "Anamika","Ashik", "Hina","Kiran"),
  gender = c("M","F", "M","M","F", "M","F","F","F", "F","M","F", "F","F","M"),
  # 模拟5个附加列，真实数据会自动保留
  col1 = rnorm(15), col2 = rnorm(15), col3 = rnorm(15), col4 = rnorm(15), col5 = rnorm(15)
)

# 配置参数，可根据你的需求调整
n_group <- 7 # 要拆分的分组数量
per_group_female <- 2 # 每个分组的女性人数
per_group_total <- 3 # 每个分组的总人数
per_group_male <- per_group_total - per_group_female

# 预拆分男女采样池，避免每次循环重复筛选
female_pool <- df %>% filter(gender == "F")
male_pool <- df %>% filter(gender == "M")

# 预定义存储结果的列表
result_list <- vector("list", n_group)

for (i in 1:n_group) {
  # 采样前检查剩余样本是否满足要求，避免报错
  if(nrow(female_pool) < per_group_female | nrow(male_pool) < per_group_male) {
    stop("剩余样本不足，无法满足分组规则，请调整参数")
  }
  # 分别从男女池采样对应人数
  selected_female <- female_pool %>% slice_sample(n = per_group_female, replace = FALSE)
  selected_male <- male_pool %>% slice_sample(n = per_group_male, replace = FALSE)
  # 合并为当前分组的数据集
  current_group <- bind_rows(selected_female, selected_male)
  # 存入结果列表
  result_list[[i]] <- current_group
  # 从采样池中移除已选行，彻底避免重复
  female_pool <- anti_join(female_pool, selected_female, by = "name")
  male_pool <- anti_join(male_pool, selected_male, by = "name")
}

# 给列表元素命名，对应你需要的df1、df2...格式
names(result_list) <- paste0("df", 1:n_group)

# 如果需要把分组数据释放为全局环境的独立数据框（可选，更推荐直接操作列表做批量处理）
list2env(result_list, envir = .GlobalEnv)

• 如果你的数据存在重名情况，把anti_join的by参数改为所有能唯一标识行的列即可，也可以用行索引匹配实现去重
• 运行前请先确认总女性人数 ≥ 分组数2、总男性人数 ≥ 分组数每组男性人数，否则会触发样本不足的报错

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