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.

  • 🔢 Podstawy order(): order() zwraca indeksy wierszy, które ustawiają kolumnę w kolejności rosnącej, a nie same posortowane wartości.
  • 📌 Pojedyncza kolumna: df[order(df$c1), ] przeorganizowuje każdy wiersz ramki według wartości zawartych w c1.
  • 🧮 Wiele kolumn: Dodatkowe argumenty pełnią funkcję rozstrzygającą remisy, więc order(df$c3, df$c4) sortuje najpierw według c3, ​​a potem według c4.
  • 🔻 Kolejność malejąca: Dodaj przedrostek do kolumny numerycznej ze znakiem minus lub przekaż funkcję sort() z malejącym znakiem = TRUE.
  • 🧩 Trasa tidyverse: Arrange() i desc() wyrażają dokładnie te same rodzaje sortowania co czytelne czasowniki dplyr.
  • ⚠️ Brakujące wartości: order() domyślnie umieszcza wartości NA na końcu, natomiast sort() usuwa brakujące wartości, chyba że ustawiono na.last.

R Sortuj ramkę danych za pomocą Order()

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”.

FAQ

Użyj df[order(rownames(df)), ]. Nazwy wierszy składają się ze znaków, więc sortowanie odbywa się zgodnie z kolejnością tekstu, a „10” pojawia się przed „2”. Umieść je w funkcji as.numeric(), gdy są numeryczne. Tibbles całkowicie pomija nazwy wierszy, więc zamiast tego dodaj jawną kolumnę identyfikatora.

Przekaż metodę = „radix” do order(), najszybszej opcji dla liczb całkowitych i krótkich ciągów znaków. W przypadku milionów wierszy funkcja data.table::setorder() sortuje w miejscu, bez kopiowania tabeli, a czasownik dplyr, arrange(), już wewnętrznie używa sortowania po podstawie.

Indeks z odwróconą sekwencją: df[nrow(df):1, ]. To odwraca bieżącą kolejność zamiast ją sortować, co ma znaczenie, gdy ramka została przetasowana lub zgrupowana. Zresetuj etykiety później za pomocą rownames(df) <- NULL, jeśli wyglądają na mylące.

Kolumna jest przechowywana jako znak lub czynnik, więc R porównuje ją jako tekst i umieszcza „10” przed „2”. Sprawdź za pomocą class(df$col), a następnie przekonwertuj za pomocą as.numeric(as.character(df$col)) przed uporządkowaniem.

Nie. Funkcja order() zwraca wektor indeksów, a funkcja df[order(…), ] tworzy nową ramkę, dzięki czemu oryginał pozostaje nienaruszony do momentu ponownego przypisania wyniku. Nazwy wierszy zachowują swoje stare wartości, co jest przydatną wskazówką, że ramka została uporządkowana.

Asystenci AI potrafią wykryć kolumnę zapisaną jako tekst, gdy sortowanie numeryczne wygląda nieprawidłowo, przetłumaczyć wywołanie funkcji order() z R na potok dplyr i zasugerować stabilną kolumnę rozstrzygającą remis. Zawsze uruchamiaj kod i sprawdzaj head() przed zaufaniem wynikowi.

Tak. Drugi pilot GitHub Działa w RStudio Desktop w wersji 2023.09.0 i nowszych, realizując wywołania order() i arrange() z poziomu zwykłego komentarza. Posit ostrzega, że ​​sugestie są niedeterministyczne, dlatego przed uruchomieniem należy sprawdzić każdy wiersz kodu.

Zmień kolejność indeksów kolumn, a nie wierszy. Funkcja df[, order(names(df))] porządkuje kolumny alfabetycznie, a funkcja df[, c(“c3”, “c1”)] wybiera wyraźną kolejność. Użytkownicy dplyr mogą wywołać funkcję select(df, c3, c1), która zmienia kolejność i podzbiory w jednym kroku.

Podsumuj ten post następująco: