为什么 dplyr::distinct 对分组数据帧表现得像这样

Question

我的问题涉及来自dplyr 的distinct 函数。

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distinct的以下两种用法。

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”，而第二组操作找到“对于x 的每个值，找到所有不同的值y"。

为什么会这样

df %>%
    distinct(x, y)

df %>% distinct()

产生同样的结果？

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 在确定独特性时考虑对列进行分组，在我看来这与dplyr 的其余部分的工作方式不一致。

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。

但是：

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

按x 分组，在给定x 的情况下查找y 中不同的值。这相当于以下任何一种情况：

df %>%
distinct(x, y)

df %>% distinct()

两者都在 x 和 y 中找到不同的值。

关键信息似乎是：不要使用分组和distinct。只需在distinct 中使用相关的列名作为参数。