Ordinamento di un DataFrame in R: funzione order() con esempio
Evelyn Clarke
⚡ Riepilogo intelligente
L'ordinamento di un data frame in R si basa sulla funzione order(), che restituisce le posizioni delle righe anziché i valori. Passando queste posizioni tra parentesi quadre, le righe vengono riordinate in base a una colonna, a più colonne o in ordine decrescente.
Ordinamento dei dati in R
Nell'analisi dei dati puoi sorta i tuoi dati in base a una determinata variabile nel set di dati. In R possiamo utilizzare l'aiuto della funzione order(). In R, possiamo facilmente ordinare un vettore di variabile continua o variabile fattore. L'organizzazione dei dati può essere di ascendente or discendente ordine.
Sintassi:
sort(x, decreasing = FALSE, na.last = NA)
Discussione:
- x: Un vettore contenente una variabile continua o fattoriale
- decrescente: Controlla la direzione dell'ordinamento. Per impostazione predefinita, l'ordinamento decrescente è impostato su FALSE, il che produce un ordinamento crescente.
- na.last: Indica se i valori NA devono essere posizionati per ultimi o meno. sort() utilizza NA per impostazione predefinita, eliminando i valori mancanti; order() utilizza TRUE, mantenendoli e posizionandoli per ultimi.
sort() vs order() vs rank() in R
La sintassi sopra riportata appartiene alla funzione sort(), eppure ogni esempio in questa pagina utilizza la funzione order(). Le due funzioni rispondono a domande diverse e confonderle è la causa più comune di un errore di ordinamento. La funzione rank() completa il trio.
| Funzione | Resi | Usalo quando | Gestione predefinita NA |
|---|---|---|---|
| ordinare() | I valori stessi, in ordine | È sufficiente un vettore ordinato | na.last = NA, quindi NA viene eliminato |
| ordine() | Le posizioni delle righe che producono l'ordine ordinato | È necessario riordinare un intero data frame | na.last = TRUE, quindi NA va per ultimo |
| rango() | La posizione di ciascun elemento nella sua posizione originale | Ti serve una colonna di classificazione, non una tabella riordinata. | na.last = TRUE |
Poiché order() restituisce posizioni, è l'unica delle tre in grado di gestire il sottoinsieme tra parentesi quadre utilizzato in tutta questa pagina. Documentazione di base R per order() Elenca tutti gli argomenti, incluso l'argomento del metodo che seleziona l'algoritmo di ordinamento.
Esempio 1: Ordinare un Data Frame in base a una colonna
Ad esempio, possiamo creare un data frame tibble e ordinare una o più variabili. Un data frame tibble è una versione moderna del Frame datiMigliora la sintassi del data frame ed evita frustranti problemi di formattazione dei tipi di dati, in particolare la conversione da carattere a fattore. È anche un modo pratico per creare un data frame manualmente, che è il nostro scopo in questo caso. Per saperne di più su tibble, consultare la documentazione. https://tibble.tidyverse.org/articles/tibble.html
Il codice seguente crea una tibble di 50 righe con cinque colonne casuali e poi ordina ogni riga in base ai valori in c1. set.seed(1234) corregge l'estrazione casuale, in modo che gli stessi numeri appaiano su qualsiasi macchina.
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$c1),] head(df)
Produzione:
# A tibble: 6 x 5 ## c1 c2 c3 c4 c5 ## <dbl> <dbl> <dbl> <dbl> <dbl> ## 1 1.481453 3.477557 4.246283 3.686611 6.0511003 ## 2 1.729941 5.824996 4.525823 6.753663 0.1502718 ## 3 2.556360 6.275348 2.524849 6.368483 5.4787404 ## 4 2.827693 4.769902 5.120089 3.743626 4.0103449 ## 5 2.988510 4.395902 2.077631 4.236894 4.6176880 ## 6 3.122021 6.317305 5.413840 3.551145 5.6067027
La virgola prima della parentesi chiusa è importante: df[order(…), ] riordina le righe, mentre df[, order(…)] riordina le colonne.
Esempio 2: Ordinamento per più colonne
Ogni argomento aggiuntivo passato a order() funge da criterio di spareggio per l'argomento precedente. In questo caso, il frame viene ordinato in base a c3 e le righe che condividono lo stesso valore di c3 vengono quindi ordinate in base a c4.
# Sort by c3 and c4
df <-data_frame[order(data_frame$c3, data_frame$c4),]
head(df)
Produzione:
# A tibble: 6 x 5 ## c1 c2 c3 c4 c5 ## <dbl> <dbl> <dbl> <dbl> <dbl> ## 1 2.988510 4.395902 2.077631 4.236894 4.617688 ## 2 2.556360 6.275348 2.524849 6.368483 5.478740 ## 3 3.464516 3.914627 2.730068 9.565649 6.016123 ## 4 4.233486 3.292088 3.133568 7.517309 4.772395 ## 5 3.935840 2.941547 3.242078 6.464048 3.599745 ## 6 3.835619 4.947859 3.335349 4.378370 7.240240
Esempio 3: Ordinare una colonna in ordine decrescente e un'altra in ordine crescente
Ogni colonna può avere una direzione diversa. Anteponendo un segno meno a una colonna numerica, si inverte solo quella colonna; pertanto, l'ordinamento seguente procede in ordine decrescente in c3 e in ordine crescente in c4.
# Sort by c3(descending) and c4(ascending)
df <-data_frame[order(-data_frame$c3, data_frame$c4),]
head(df)
Produzione:
# A tibble: 6 x 5 ## c1 c2 c3 c4 c5 ## <dbl> <dbl> <dbl> <dbl> <dbl> ## 1 4.339178 4.450214 8.087243 4.5010140 8.410225 ## 2 3.959420 8.105406 7.736312 7.1168936 5.431565 ## 3 3.339023 3.298088 7.494285 5.9303153 7.035912 ## 4 3.397036 5.382794 7.092722 0.7163620 5.620098 ## 5 6.653446 4.733315 6.520536 0.9016707 4.513410 ## 6 4.558559 4.712609 6.380086 6.0562703 5.044277
Il trucco del segno meno funziona solo con le colonne numeriche. Per le colonne di tipo carattere o fattore, utilizzare order(xtfrm(df$col), decreasing = TRUE) oppure passare all'approccio dplyr mostrato di seguito.
Ordina un Data Frame con dplyr arrange()
La sintassi tra parentesi quadre diventa difficile da leggere quando sono coinvolte diverse colonne e direzioni, perché il nome del frame viene ripetuto all'interno di ogni argomento. dplyr Il verbo arrange() elimina tale ripetizione: le colonne vengono nominate una sola volta e desc() contrassegna quelle che procedono a ritroso.
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
È opportuno conoscere tre differenze pratiche:
- leggibilità: arrange(desc(c3), c4) dichiara direttamente l'intento, mentre order(-data_frame$c3, data_frame$c4) lo nasconde dietro un segno meno.
- Tipi di colonneLa funzione desc() funziona sia con colonne di tipo carattere che con colonne di tipo fattore, quindi non è necessario ricorrere alla soluzione alternativa xtfrm().
- Valori mancantiLa funzione arrange() posiziona sempre NA per ultimo, indipendentemente dalla direzione, mentre order() permette di spostarli con na.last.
La funzione arrange() restituisce un nuovo data frame e lascia inalterato l'originale, esattamente come nella versione con parentesi quadre, quindi il risultato deve comunque essere assegnato a un nome per essere conservato. I frame raggruppati vengono ordinati all'interno di ciascun gruppo solo quando viene specificato .by_group = TRUE.
Ordinamento di caratteri, fattori e valori mancanti in R
Le colonne numeriche si ordinano in modo prevedibile. Testo, categorie e spazi vuoti non lo fanno, e ognuno di questi elementi richiede una decisione diversa.
Valori mancanti. Le funzioni sort() e order() non concordano su come gestire i valori NA, motivo per cui la stessa colonna può produrre due conteggi di righe diversi:
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
Fattori. A fattore Ordina in base al livello, non in ordine alfabetico. Questo è esattamente ciò che si desidera per categorie ordinate come basso, medio e alto, ed è esattamente ciò che non si desidera se i livelli sono stati creati nell'ordine in cui i valori si sono presentati:
grades <- factor(c("low", "high", "medium"), levels = c("low", "medium", "high")) sort(grades) # follows the level order sort(as.character(grades)) # plain alphabetical order
Colonne dei caratteri. L'ordinamento del testo semplice si basa sulle impostazioni locali, quindi la distinzione tra maiuscole e minuscole e gli accenti possono variare a seconda del computer. Due accorgimenti evitano sorprese: controllare la classe (df$col) prima dell'ordinamento e convertire le cifre memorizzate come testo con as.numeric() in modo che "10" non venga visualizzato prima di "2".
