R Sort DataFrame : fonction order() avec exemple
Evelyn Clarke
⚡ Résumé intelligent
Le tri d'un data frame en R s'appuie sur la fonction `order()`, qui renvoie les positions des lignes plutôt que leurs valeurs. En passant ces positions entre crochets, on réorganise les lignes selon une colonne, plusieurs colonnes ou par ordre décroissant.
Trier des données dans R
Dans l'analyse des données, vous pouvez sort vos données en fonction d'une certaine variable dans l'ensemble de données. En R, on peut utiliser l’aide de la fonction order(). En R, on peut facilement trier un vecteur de variable continue ou de variable factorielle. L'organisation des données peut être de ascendant or descendant ordre.
syntaxe:
sort(x, decreasing = FALSE, na.last = NA)
Dispute:
- x: Un vecteur contenant une variable continue ou catégorielle
- réductionContrôle le sens du tri. Par défaut, le tri décroissant est désactivé (FALSE), ce qui donne un tri croissant.
- na.dernier: Indique si les valeurs manquantes doivent être placées en dernier. Par défaut, `sort()` utilise `NA`, ce qui supprime les valeurs manquantes ; `order()` utilise `TRUE`, ce qui les conserve et les place en dernier.
sort() vs order() vs rank() en R
La syntaxe ci-dessus correspond à la fonction `sort()`, pourtant tous les exemples de cette page utilisent `order()`. Ces deux fonctions répondent à des besoins différents, et les confondre est la cause la plus fréquente d'échec apparent d'un tri. La fonction `rank()` complète le trio.
| Fonction | Retours de produits | Utilisez-le quand | Gestion par défaut des NA |
|---|---|---|---|
| sorte() | Les valeurs elles-mêmes, dans l'ordre | Vous n'avez besoin que d'un vecteur trié | na.last = NA, donc NA est supprimé |
| commande() | Les positions des lignes qui produisent l'ordre trié | Vous devez réorganiser un cadre de données entier | na.last = TRUE, donc NA est placé en dernier. |
| rang() | Le rang de chaque élément dans sa position d'origine | Il vous faut une colonne de classement, pas un tableau réorganisé | na.last = VRAI |
Puisque la fonction order() renvoie des positions, c'est la seule des trois qui peut permettre le sous-ensemble entre crochets utilisé tout au long de cette page. Documentation de base R pour order() liste tous les arguments, y compris l'argument de méthode qui sélectionne l'algorithme de tri.
Exemple 1 : Trier un DataFrame selon une colonne
Par exemple, nous pouvons créer un dataframe tibble et trier une ou plusieurs variables. Un dataframe tibble est une version moderne du trame de donnéesCela améliore la syntaxe des data frames et évite les problèmes de formatage des types de données, notamment la conversion des caractères en facteurs. C'est également un moyen pratique de créer un data frame manuellement, ce qui est notre objectif ici. Pour en savoir plus sur tibble, veuillez consulter la documentation : https://tibble.tidyverse.org/articles/tibble.html
Le code ci-dessous construit un tibble de 50 lignes de cinq colonnes aléatoires, puis trie chaque ligne selon les valeurs de c1. set.seed(1234) fixe le tirage aléatoire, de sorte que les mêmes nombres apparaissent sur n'importe quelle machine.
library(dplyr) set.seed(1234) data_frame <- tibble( c1 = rnorm(50, 5, 1.5), c2 = rnorm(50, 5, 1.5), c3 = rnorm(50, 5, 1.5), c4 = rnorm(50, 5, 1.5), c5 = rnorm(50, 5, 1.5) ) # Sort by c1 df <-data_frame[order(data_frame$c1),] head(df)
Sortie :
# A tibble: 6 x 5 ## c1 c2 c3 c4 c5 ## <dbl> <dbl> <dbl> <dbl> <dbl> ## 1 1.481453 3.477557 4.246283 3.686611 6.0511003 ## 2 1.729941 5.824996 4.525823 6.753663 0.1502718 ## 3 2.556360 6.275348 2.524849 6.368483 5.4787404 ## 4 2.827693 4.769902 5.120089 3.743626 4.0103449 ## 5 2.988510 4.395902 2.077631 4.236894 4.6176880 ## 6 3.122021 6.317305 5.413840 3.551145 5.6067027
La virgule avant la parenthèse fermante est importante : df[order(…), ] réorganise les lignes, tandis que df[, order(…)] réorganiserait plutôt les colonnes.
Exemple 2 : Trier selon plusieurs colonnes
Chaque argument supplémentaire passé à order() sert de critère de départage pour l'argument précédent. Ici, le cadre est trié selon c3, puis les lignes partageant la même valeur de c3 sont triées selon c4.
# Sort by c3 and c4
df <-data_frame[order(data_frame$c3, data_frame$c4),]
head(df)
Sortie :
# A tibble: 6 x 5 ## c1 c2 c3 c4 c5 ## <dbl> <dbl> <dbl> <dbl> <dbl> ## 1 2.988510 4.395902 2.077631 4.236894 4.617688 ## 2 2.556360 6.275348 2.524849 6.368483 5.478740 ## 3 3.464516 3.914627 2.730068 9.565649 6.016123 ## 4 4.233486 3.292088 3.133568 7.517309 4.772395 ## 5 3.935840 2.941547 3.242078 6.464048 3.599745 ## 6 3.835619 4.947859 3.335349 4.378370 7.240240
Exemple 3 : Trier une colonne par ordre décroissant et une autre par ordre croissant
Chaque colonne peut avoir son propre sens de tri. Préfixer une colonne numérique par un signe moins inverse uniquement cette colonne ; ainsi, le tri ci-dessous s’effectue par ordre décroissant pour c3 et par ordre croissant pour c4.
# Sort by c3(descending) and c4(ascending)
df <-data_frame[order(-data_frame$c3, data_frame$c4),]
head(df)
Sortie :
# A tibble: 6 x 5 ## c1 c2 c3 c4 c5 ## <dbl> <dbl> <dbl> <dbl> <dbl> ## 1 4.339178 4.450214 8.087243 4.5010140 8.410225 ## 2 3.959420 8.105406 7.736312 7.1168936 5.431565 ## 3 3.339023 3.298088 7.494285 5.9303153 7.035912 ## 4 3.397036 5.382794 7.092722 0.7163620 5.620098 ## 5 6.653446 4.733315 6.520536 0.9016707 4.513410 ## 6 4.558559 4.712609 6.380086 6.0562703 5.044277
L'astuce du signe moins ne fonctionne que pour les colonnes numériques. Pour les colonnes de type caractère ou facteur, utilisez `order(xtfrm(df$col), decrease = TRUE)` ou passez à la méthode dplyr présentée ci-après.
Trier un DataFrame avec dplyr arrange()
L'utilisation des crochets devient difficile à lire dès lors qu'il y a plusieurs colonnes et instructions, car le nom du cadre est répété à l'intérieur de chaque argument. déplyr La fonction `arrange()` supprime cette répétition : les colonnes sont nommées une seule fois, et `desc()` marque celles qui sont disposées à l’envers.
library(dplyr) # The same three sorts written with arrange() data_frame %>% arrange(c1) # Example 1 data_frame %>% arrange(c3, c4) # Example 2 data_frame %>% arrange(desc(c3), c4) # Example 3
Il est utile de connaître trois différences pratiques :
- lisibilité: arrange(desc(c3), c4) indique directement l'intention, tandis que order(-data_frame$c3, data_frame$c4) la cache derrière un signe moins.
- Types de colonnes: desc() fonctionne sur les colonnes de caractères et de facteurs ainsi que sur les colonnes numériques, donc aucune solution de contournement xtfrm() n'est nécessaire.
- Valeurs manquantes: arrange() place toujours NA en dernier, quelle que soit la direction, tandis que order() vous permet de les déplacer avec na.last.
La fonction `arrange()` renvoie un nouveau cadre de données sans modifier l'original, exactement comme avec les crochets. Il faut donc nommer le résultat pour le conserver. Les cadres groupés sont triés au sein de chaque groupe uniquement si `.by_group = TRUE` est spécifié.
Tri des caractères, des facteurs et des valeurs manquantes dans R
Les colonnes numériques se trient de manière prévisible. Ce n'est pas le cas pour le texte, les catégories et les espaces, et chacun de ces trois types nécessite une décision différente.
Valeurs manquantes. Les fonctions sort() et order() divergent quant à la manière de gérer les valeurs NA, ce qui explique pourquoi une même colonne peut produire deux nombres de lignes différents :
x <- c(3, NA, 1, 2) sort(x) # missing values dropped sort(x, na.last = TRUE) # missing values pushed to the end order(x) # NA indexed last by default order(x, na.last = FALSE) # NA indexed first
Facteurs. A facteur Le tri s'effectue par niveau, et non par ordre alphabétique. C'est précisément ce que vous souhaitez pour les catégories ordonnées telles que faible, moyen et élevé, et précisément ce que vous ne souhaitez pas si les niveaux ont été créés dans l'ordre d'apparition des valeurs.
grades <- factor(c("low", "high", "medium"), levels = c("low", "medium", "high")) sort(grades) # follows the level order sort(as.character(grades)) # plain alphabetical order
Colonnes de caractères. Le tri du texte brut s'effectue selon le classement régional ; par conséquent, la casse et les accents peuvent influencer le résultat d'une machine à l'autre. Deux bonnes pratiques permettent d'éviter les surprises : vérifier la classe `df$col` avant le tri et convertir les chiffres stockés sous forme de texte avec `as.numeric()` afin que « 10 » ne précédera pas « 2 ».
