r - 使用dplyr()随机删除重复的行

Question

作为对此问题的后续问题:Remove duplicated rows using dplyr，我有以下内容:

如何使用dplyr()随机删除重复的行？

我的命令现在是:

data.uniques <- distinct(data, KEYVARIABLE, .keep_all = TRUE)

但是它返回KEYVARIABLE的第一个匹配项。我希望该行为是随机的:因此该KEYVARIABLE的 1和 n出现之间的任何位置。

例如:

KEYVARIABLE BMI
1 24.2
2 25.3
2 23.2
3 18.9
4 19
4 20.1
5 23.0

目前，我的命令返回:

KEYVARIABLE BMI
1 24.2
2 25.3
3 18.9
4 19
5 23.0

我希望它随机返回 n重复行之一，例如:

KEYVARIABLE BMI
1 24.2
2 23.2
3 18.9
4 19
5 23.0

Answer 1

一种选择是按“KEYVARIABLE”分组，然后对行序列进行sample选择行并对数据集进行子集化

library(data.table)
setDT(df1)[, .SD[sample(.N)[1]], KEYVARIABLE]

或使用 dplyr

library(dplyr)
df1 %>% 
   group_by(KEYVARIABLE) %>%
   sample_n(1)