r - 为什么 dplyr::distinct 对分组数据帧的行为是这样的

Question

我的问题涉及 distinct函数来自 dplyr .

首先，设置数据:

set.seed(0)

df <- data.frame(
    x = sample(10, 100, rep = TRUE),
    y = sample(10, 100, rep = TRUE)
)

考虑以下两种 distinct 的用途.

df %>%
    group_by(x) %>%
    distinct()

df %>%
    group_by(x) %>%
    distinct(y)

第一个产生与第二个不同的结果。据我所知，第一组操作找到“ x 的所有不同值，并返回 y 的第一个值”，而第二组找到“对于 x 的每个值，找到所有不同的值 y 的“。

为什么会这样

df %>%
    distinct(x, y)

df %>% distinct()

产生相同的结果？

编辑:看起来这是一个已知的错误: https://github.com/hadley/dplyr/issues/1110

Answer 1

据我所知，答案是 distinct在确定差异性时考虑对列进行分组，在我看来这与 dplyr 的其余部分不一致作品。

因此:

df %>%
group_by(x) %>%
distinct()

按 x 分组, 查找 x 中不同的值(!)。这似乎是一个错误。

然而:

df %>%
group_by(x) %>%
distinct(y)

按 x 分组, 查找 y 中不同的值给定 x .这相当于以下任一情况:

df %>%
distinct(x, y)

df %>% distinct()

两者都在 x 和 y 中找到不同的值。

带回家的信息似乎是:不要使用分组和 distinct .只需在 distinct 中使用相关列名作为参数.