通过R中的多个变量对数据框进行分组

Question

我有一个包含5713行和7列的数据框。 许多行是重复的。 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，并且“类型”列仅包含最多1个“抓绒”。 我尝试了sample，split，group_by，sample_n，但似乎无法弄清楚如何包括所有变量。

这是数据框的示例：

                  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，为每组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  

我已经为此苦了一段时间了。 任何帮助将不胜感激！

Answer 1

通过distinct功能，避免在组内重复item很简单：

library(dplyr)
df %>%
  group_by(gender, size) %>%
  distinct(item)

确保不多于一个“ Fleece”比较棘手，但是可以使用filter和cumsum 。 这将删除除第一个羊毛外的所有羊毛（在每个组中）。

  filter(!(type == "Fleece" & cumsum(type == "Fleece") > 1))

然后，您可以像最初尝试的那样执行sample_n ：

  sample_n(5)

总的来说，您的代码是：

df <- df %>%
  group_by(gender, size) %>%
  distinct(item) %>%
  filter(cumsum(type == "Fleece") <= 1) %>%
  sample_n(5)