我有一个包含5713行和7列的数据框。许多行都是重复的。我需要按“性别”和“大小”创建5个组，同时确保“项目”列不包含重复项，“类型”列仅包含最多1个“羊毛”。我尝试过sample，split，group_by，sample_n，但似乎无法弄清楚如何包含所有变量。
以下是数据框的示例：
SKU UPC type rating size gender item
1 M3MEN-SU15-BLU-XXL 628012010215 Tee 5 XXL M M3MEN
2 M3MEN-SU15-GRY-XXL 628012010314 Tee 5 XXL M M3MEN
3 M3MEN-SU15-GRY-XL 628012010316 Tank 5 XL M M3MEN
4 MAMA-CHA-S *MAMA-CHA-S* Tank 5 S M MAMA
5 MAMA-CHA-S *MAMA-CHA-S* Tee 5 S M MAMA
6 MBAN-CHA-M *MBAN-CHA-M* Fleece 3 M W MBAN
7 WAZA-CHA-L *WAZA-CHA-L* Fleece 3 L M WAZA
8 MBAN-CHA-M *MBAN-CHA-M* Fleece 3 M W MBAN
9 MBAN-CHA-M *MBAN-CHA-M* Fleece 3 M M MBAN
10 MCON-CHA-M *MCON-CHA-M* Fleece 3 M M MCON
理想情况下，我想创建一个新列，为每个5组创建一个唯一ID。
例如：
SKU UPC type rating size gender item id
1 M3MEN-SU15-BLU-S 628012010215 Tee 5 S M M3MEN 1
2 MAMA-CHA-S *MAMA-CHA-S* Tank 5 S M MAMA 1
3 MBAN-CHA-S *MBAN-CHA-S* Tank 3 S M MBAN 1
4 MAZA-CHA-S *MAZA-CHA-S* Tee 3 S M MAZA 1
5 MCON-CHA-S *MCON-CHA-S* Fleece 3 S M MCON 1
6 W3MEN-SU15-BLU-M 428012010215 Tee 2 M W W3WOM 2
7 WAMA-CHA-M *WAMA-CHA-M* Tank 4 M W MAMA 2
8 WBAN-CHA-M *WBAN-CHA-M* Tank 5 M W MBAN 2
9 WAZA-CHA-M *WAZA-CHA-M* Tee 1 M W MAZA 2
10 WCON-CHA-M *WCON-CHA-M* Fleece 3 M W MCON 2
我一直在努力解决这个问题。任何帮助将不胜感激！
答案 0 :(得分：0)
Config.X函数可以直接避免组内item的重复：
distinct确保不超过一个＆＃34;羊毛＆＃34;有点棘手，但可以使用library(dplyr)
df %>%
group_by(gender, size) %>%
distinct(item)
和filter。这将删除除第一个羊毛之外的所有羊毛（每组内）。
cumsum然后你可以按照原来的尝试做 filter(!(type == "Fleece" & cumsum(type == "Fleece") > 1))
：
sample_n总的来说，您的代码是：
sample_n(5)