R Sort Data Frame: funkcja order() z przykładem
⚡ Inteligentne podsumowanie
Sortowanie ramki danych w R opiera się na funkcji order(), która zwraca pozycje wierszy zamiast wartości. Przekazanie tych pozycji w nawiasach kwadratowych powoduje uporządkowanie wierszy według jednej kolumny, według kilku kolumn lub w kolejności malejącej.

Sortowanie danych w R
W analizie danych możesz rodzaj Twoje dane według określonej zmiennej w zbiorze danych. W R możemy skorzystać z pomocy funkcji Order(). W R możemy łatwo sortować wektor zmiennej ciągłej lub zmiennej czynnikowej. Uporządkowanie danych może polegać na rosnąco or zstępujący zamówienie.
Składnia:
sort(x, decreasing = FALSE, na.last = NA)
Argument:
- x:Wektor zawierający zmienną ciągłą lub czynnikową
- zmniejszenie: Steruje kierunkiem sortowania. Domyślnie opcja „malejąco” jest ustawiona na FAŁSZ, co daje sortowanie rosnące.
- na.ostatni:Określa, czy wartości NA powinny być umieszczane na końcu, czy nie. Funkcja sort() domyślnie używa wartości NA, co powoduje usuwanie brakujących wartości; funkcja order() używa wartości TRUE, co powoduje ich zachowanie i umieszczenie na końcu.
sort() vs order() vs rank() w R
Powyższa składnia należy do sort(), jednak każdy przykład na tej stronie wywołuje order(). Te dwie funkcje odpowiadają na różne pytania, a ich pomieszanie jest najczęstszym powodem, dla którego sortowanie może się nie powieść. Funkcja rank() dopełnia trio.
| Funkcjonować | Zwroty | Użyj tego, kiedy | Domyślna obsługa NA |
|---|---|---|---|
| sortować() | Same wartości, w celu | Potrzebujesz tylko posortowanego wektora | na.last = NA, więc NA jest usuwane |
| zamówienie() | Pozycje wierszy, które generują posortowaną kolejność | Musisz zmienić kolejność całej ramki danych | na.last = TRUE, więc NA jest ostatnie |
| stopień() | Pozycja każdego elementu w jego pierwotnej pozycji | Potrzebujesz kolumny rankingowej, a nie uporządkowanej tabeli | na.last = TRUE |
Ponieważ order() zwraca pozycje, jest to jedyna z trzech funkcji, która może sterować podzbiorem nawiasów kwadratowych używanym na tej stronie. Dokumentacja bazy R dla order() wypisuje wszystkie argumenty, łącznie z argumentem metody, który wybiera algorytm sortowania.
Przykład 1: Sortowanie ramki danych według jednej kolumny
Na przykład możemy utworzyć ramkę danych typu „tibble” i posortować jedną lub wiele zmiennych. Ramka danych typu „tibble” to nowoczesna interpretacja ramka danychPoprawia składnię ramki danych i pozwala uniknąć frustrującego formatowania typów danych, zwłaszcza konwersji znaków na czynniki. Jest to również wygodny sposób na ręczne utworzenie ramki danych, co jest naszym celem. Aby dowiedzieć się więcej o Tibble, zapoznaj się z winietką: https://tibble.tidyverse.org/articles/tibble.html
Poniższy kod tworzy 50-wierszową tabelę składającą się z pięciu losowych kolumn, a następnie sortuje każdy wiersz według wartości w c1. set.seed(1234) naprawia losowanie, dzięki czemu te same liczby pojawiają się na każdej maszynie.
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$c1),] head(df)
Wyjście:
# A tibble: 6 x 5 ## c1 c2 c3 c4 c5 ## <dbl> <dbl> <dbl> <dbl> <dbl> ## 1 1.481453 3.477557 4.246283 3.686611 6.0511003 ## 2 1.729941 5.824996 4.525823 6.753663 0.1502718 ## 3 2.556360 6.275348 2.524849 6.368483 5.4787404 ## 4 2.827693 4.769902 5.120089 3.743626 4.0103449 ## 5 2.988510 4.395902 2.077631 4.236894 4.6176880 ## 6 3.122021 6.317305 5.413840 3.551145 5.6067027
Przecinek przed zamykającym nawiasem ma znaczenie: df[order(…), ] zmienia kolejność wierszy, natomiast df[, order(…)] zmienia kolejność kolumn.
Przykład 2: Sortowanie według wielu kolumn
Każdy dodatkowy argument przekazany do order() działa jako rozstrzygający dla argumentu poprzedzającego. W tym przypadku ramka jest sortowana według c3, a wiersze o tej samej wartości c3 są następnie sortowane według c4.
# Sort by c3 and c4
df <-data_frame[order(data_frame$c3, data_frame$c4),]
head(df)
Wyjście:
# A tibble: 6 x 5 ## c1 c2 c3 c4 c5 ## <dbl> <dbl> <dbl> <dbl> <dbl> ## 1 2.988510 4.395902 2.077631 4.236894 4.617688 ## 2 2.556360 6.275348 2.524849 6.368483 5.478740 ## 3 3.464516 3.914627 2.730068 9.565649 6.016123 ## 4 4.233486 3.292088 3.133568 7.517309 4.772395 ## 5 3.935840 2.941547 3.242078 6.464048 3.599745 ## 6 3.835619 4.947859 3.335349 4.378370 7.240240
Przykład 3: Sortowanie jednej kolumny malejąco i drugiej rosnąco
Każda kolumna może mieć swój własny kierunek. Dodanie znaku minus do kolumny numerycznej powoduje odwrócenie tylko tej kolumny, więc poniższe sortowanie przebiega malejąco na c3 i rosnąco na c4.
# Sort by c3(descending) and c4(ascending)
df <-data_frame[order(-data_frame$c3, data_frame$c4),]
head(df)
Wyjście:
# A tibble: 6 x 5 ## c1 c2 c3 c4 c5 ## <dbl> <dbl> <dbl> <dbl> <dbl> ## 1 4.339178 4.450214 8.087243 4.5010140 8.410225 ## 2 3.959420 8.105406 7.736312 7.1168936 5.431565 ## 3 3.339023 3.298088 7.494285 5.9303153 7.035912 ## 4 3.397036 5.382794 7.092722 0.7163620 5.620098 ## 5 6.653446 4.733315 6.520536 0.9016707 4.513410 ## 6 4.558559 4.712609 6.380086 6.0562703 5.044277
Sztuczka ze znakiem minus działa tylko w przypadku kolumn liczbowych. W przypadku kolumn znakowych lub czynnikowych użyj polecenia order(xtfrm(df$col), producing = TRUE) lub przełącz się na metodę dplyr, pokazaną poniżej.
Sortowanie ramki danych za pomocą dplyr arrange()
Idiom z nawiasami kwadratowymi staje się trudny do odczytania, gdy w grę wchodzi kilka kolumn i kierunków, ponieważ nazwa ramki powtarza się w każdym argumencie. dplyr Funkcja arrange() usuwa powtórzenia: kolumny są nazywane raz, a desc() zaznacza te, które są powtarzane od końca.
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
Warto poznać trzy praktyczne różnice:
- czytelność: arrange(desc(c3), c4) określa intencję bezpośrednio, podczas gdy order(-data_frame$c3, data_frame$c4) ukrywa ją za znakiem minus.
- Typy kolumn:desc() działa zarówno na kolumnach znakowych i czynnikowych, jak i na kolumnach numerycznych, więc obejście xtfrm() nie jest potrzebne.
- Brakujące wartości: arrange() zawsze umieszcza NA na końcu, niezależnie od kierunku, podczas gdy order() pozwala na ich przesunięcie za pomocą na.last.
Arrange() zwraca nową ramkę danych i pozostawia oryginalną bez zmian, dokładnie tak jak w przypadku wersji z nawiasami kwadratowymi, więc wynik nadal musi zostać przypisany do nazwy, aby został zachowany. Zgrupowane ramki są sortowane w obrębie każdej grupy tylko wtedy, gdy podano parametr .by_group = TRUE.
Sortowanie znaków, czynników i wartości brakujących w R
Kolumny numeryczne sortują się przewidywalnie. Tekst, kategorie i luki nie, a każda z tych trzech opcji wymaga innej decyzji.
Brakujące wartości. sort() i order() nie zgadzają się co do tego, co zrobić z NA, dlatego ta sama kolumna może wygenerować dwie różne liczby wierszy:
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
czynniki. A czynnik Sortuje według kolejności poziomów, a nie alfabetycznie. Właśnie tego potrzebujesz w przypadku uporządkowanych kategorii, takich jak niski, średni i wysoki, i właśnie tego nie chcesz, jeśli poziomy zostały utworzone w kolejności, w jakiej wartości się pojawiły:
grades <- factor(c("low", "high", "medium"), levels = c("low", "medium", "high")) sort(grades) # follows the level order sort(as.character(grades)) # plain alphabetical order
Kolumny znaków. Zwykły tekst sortowany jest według ustawień regionalnych, więc kapitalizacja i akcenty mogą zmieniać wynik między maszynami. Dwa nawyki pozwalają uniknąć niespodzianek: przed sortowaniem należy sprawdzić klasę (df$col) oraz przekonwertować cyfry zapisane jako tekst za pomocą as.numeric(), aby „10” nie pojawiało się przed „2”.
