R 如何按多列对数据帧进行排序
我想按多列对data.frame进行排序。例如,对于下面的data.frame,我希望按列R 如何按多列对数据帧进行排序,r,sorting,dataframe,r-faq,R,Sorting,Dataframe,R Faq,我想按多列对data.frame进行排序。例如,对于下面的data.frame,我希望按列z(降序)排序,然后按列b(升序)排序: ddWith,发布在R wiki的提示部分,这很容易实现 sort(dd,by = ~ -z + b) # b x y z # 4 Low C 9 2 # 2 Med D 3 1 # 1 Hi A 8 1 # 3 Hi A 9 1 您可以直接使用该函数,而无需借助附加工具——请参阅下面这个简单的答案,它使用了示例(顺序)代码顶部的技巧: R> d
z
(降序)排序,然后按列b
(升序)排序:
ddWith,发布在R wiki的提示部分,这很容易实现
sort(dd,by = ~ -z + b)
# b x y z
# 4 Low C 9 2
# 2 Med D 3 1
# 1 Hi A 8 1
# 3 Hi A 9 1
您可以直接使用该函数,而无需借助附加工具——请参阅下面这个简单的答案,它使用了示例(顺序)
代码顶部的技巧:
R> dd[with(dd, order(-z, b)), ]
b x y z
4 Low C 9 2
2 Med D 3 1
1 Hi A 8 1
3 Hi A 9 1
大约2年多后编辑:只是被问到如何按列索引进行编辑。答案是只需将所需的排序列传递给order()
函数:
R> dd[order(-dd[,4], dd[,1]), ]
b x y z
4 Low C 9 2
2 Med D 3 1
1 Hi A 8 1
3 Hi A 9 1
R>
而不是使用列的名称(和with()
以便更容易/更直接地访问)。或者,使用包推断器
library(Deducer)
dd<- sortData(dd,c("z","b"),increasing= c(FALSE,TRUE))
库(演绎器)
dd或者您可以使用软件包doBy
library(doBy)
dd <- orderBy(~-z+b, data=dd)
库(doBy)
dd如果SQL对您来说是自然产生的,sqldf
包按照Codd的意图处理ORDER BY
。假设您有一个data.frame
a
并希望使用名为x
的列对其进行降序排序。调用排序后的data.frame
newdata
newdata <- A[order(-A$x),]
其中x
和z
是data.frame
A
中的一些列。这意味着排序data.frame
A
方法是x
降序、y
升序和z
降序。Dirk的答案很好,但如果需要继续排序,则需要将排序重新应用到该数据帧的名称上。使用示例代码:
dd <- dd[with(dd, order(-z, b)), ]
dd您的选择
订单
frombase
排列
来自dplyr
setorder
和setorderv
来自数据表
排列
自plyr
sort
fromtaRifx
orderBy
fromdoBy
sortData
fromexplorer
大多数情况下,您应该使用dplyr
或data.table
解决方案,除非没有依赖关系很重要,在这种情况下,请使用base::order
我最近将sort.data.frame添加到CRAN包中,使其与类兼容,如下所述:
因此,给定data.frame dd,可以按如下方式排序:
dd <- data.frame(b = factor(c("Hi", "Med", "Hi", "Low"),
levels = c("Low", "Med", "Hi"), ordered = TRUE),
x = c("A", "D", "A", "C"), y = c(8, 3, 9, 9),
z = c(1, 1, 1, 2))
library(taRifx)
sort(dd, f= ~ -z + b )
基准测试:注意,我在一个新的R会话中加载了每个包,因为有很多冲突。尤其是加载doBy包会导致sort
返回“以下对象从'x(位置17)'屏蔽:b,x,y,z”,加载推断器包会覆盖Kevin Wright或taRifx包的sort.data.frame
#Load each time
dd <- data.frame(b = factor(c("Hi", "Med", "Hi", "Low"),
levels = c("Low", "Med", "Hi"), ordered = TRUE),
x = c("A", "D", "A", "C"), y = c(8, 3, 9, 9),
z = c(1, 1, 1, 2))
library(microbenchmark)
# Reload R between benchmarks
microbenchmark(dd[with(dd, order(-z, b)), ] ,
dd[order(-dd$z, dd$b),],
times=1000
)
中位时间:1567
library(plyr)
microbenchmark(arrange(dd,desc(z),b),times=1000)
中位时间:862
library(doBy)
microbenchmark(orderBy(~-z+b, data=dd),times=1000)
中位时间:1694
请注意,doBy加载包需要很长一段时间
library(Deducer)
microbenchmark(sortData(dd,c("z","b"),increasing= c(FALSE,TRUE)),times=1000)
无法使演绎器加载。需要JGR控制台
esort <- function(x, sortvar, ...) {
attach(x)
x <- x[with(x,order(sortvar,...)),]
return(x)
detach(x)
}
microbenchmark(esort(dd, -z, b),times=1000)
德克的答案很好。它还强调了用于索引data.frame
s和data.table
s的语法的一个关键区别:
## The data.frame way
dd[with(dd, order(-z, b)), ]
## The data.table way: (7 fewer characters, but that's not the important bit)
dd[order(-z, b)]
这两个调用之间的差异很小,但可能会产生重要的后果。特别是如果您编写生产代码和/或关心研究的正确性,最好避免不必要的重复变量名<代码>数据表
帮助你做到这一点
下面是一个重复变量名可能会给您带来麻烦的示例:
让我们从Dirk的答案中改变上下文,假设这是一个更大项目的一部分,其中有很多对象名称,它们很长且有意义;它被称为quarteryReport
,而不是dd
。它变成:
quarterlyreport[with(quarterlyreport,order(-z,b)),]
好的。这没什么错。接下来,你的老板要求你在报告中包括上一季度的报告。你仔细检查你的代码,在不同的地方添加一个对象lastquarterlyreport
,不知怎的(到底是怎么回事?)
quarterlyreport[with(lastquarterlyreport,order(-z,b)),]
这不是你的意思,但你没有发现它,因为你做得很快,而且它位于类似代码的页面上。代码不会崩溃(没有警告也没有错误),因为R认为这就是你的意思。你希望读你的报告的人能发现,但也许他们不会。如果您经常使用编程语言,那么这种情况可能大家都很熟悉。你会说这是一个“打字错误”。我会纠正你对老板说的“拼写错误”
实际上,我们关心的是像这样的小细节。因此,我们做了一些简单的工作,以避免重复键入变量名。非常简单的事情<代码>i
已在dd
的框架内自动计算。您根本不需要使用()进行
而不是
dd[with(dd, order(-z, b)), ]
只是
dd[order(-z, b)]
quarterlyreport[order(-z,b)]
而不是
quarterlyreport[with(lastquarterlyreport,order(-z,b)),]
只是
dd[order(-z, b)]
quarterlyreport[order(-z,b)]
虽然差别很小,但总有一天可能会保住你的脖子。在权衡这个问题的不同答案时,考虑把变量名称的重复作为决定的标准之一。有些答案有很多重复,有些则没有。我通过下面的例子了解了顺序
,这让我困惑了很长一段时间:
set.seed(1234)
ID = 1:10
Age = round(rnorm(10, 50, 1))
diag = c("Depression", "Bipolar")
Diagnosis = sample(diag, 10, replace=TRUE)
data = data.frame(ID, Age, Diagnosis)
databyAge = data[order(Age),]
databyAge
此示例有效的唯一原因是顺序
是按向量年龄
排序,而不是按数据框数据
中名为年龄
的列排序
databyage = my.data[order(my.data$age),]
要了解这一点,请使用read.table
创建一个相同的数据框,列名称略有不同,但不使用上述任何向量:
my.data <- read.table(text = '
id age diagnosis
1 49 Depression
2 50 Depression
3 51 Depression
4 48 Depression
5 50 Depression
6 51 Bipolar
7 49 Bipolar
8 49 Bipolar
9 49 Bipolar
10 49 Depression
', header = TRUE)
以下行之所以有效,是因为order
对my.data
中的age
列进行排序
databyage = my.data[order(my.data$age),]
我认为这是值得张贴鉴于我是多么困惑这个例子这么长时间。如果这篇文章不适合这个线程,我可以删除它
编辑:
my.data <- read.table(text = '
id age diagnosis
1 49 Depression
2 50 Depression
3 51 Depression
4 48 Depression
5 50 Depression
6 51 Bipolar
7 49 Bipolar
8 49 Bipolar
9 49 Bipolar
10 49 Depression
', header = TRUE)
databyage = my.data[order(age),]
databyage = my.data[order(my.data$age),]
set.seed(1234)
v1 <- c(0,0,0,0, 0,0,0,0, 1,1,1,1, 1,1,1,1)
v2 <- c(0,0,0,0, 1,1,1,1, 0,0,0,0, 1,1,1,1)
v3 <- c(0,0,1,1, 0,0,1,1, 0,0,1,1, 0,0,1,1)
v4 <- c(0,1,0,1, 0,1,0,1, 0,1,0,1, 0,1,0,1)
df.1 <- data.frame(v1, v2, v3, v4)
df.1
rdf.1 <- df.1[sample(nrow(df.1), nrow(df.1), replace = FALSE),]
rdf.1
order.rdf.1 <- rdf.1[do.call(order, as.list(rdf.1)),]
order.rdf.1
order.rdf.2 <- rdf.1[do.call(order, rev(as.list(rdf.1))),]
order.rdf.2
rdf.3 <- data.frame(rdf.1$v2, rdf.1$v4, rdf.1$v3, rdf.1$v1)
rdf.3
order.rdf.3 <- rdf.1[do.call(order, as.list(rdf.3)),]
order.rdf.3
library(dplyr)
# sort mtcars by mpg, ascending... use desc(mpg) for descending
arrange(mtcars, mpg)
# sort mtcars first by mpg, then by cyl, then by wt)
arrange(mtcars , mpg, cyl, wt)
arrange(dd, desc(z), b)
b x y z
1 Low C 9 2
2 Med D 3 1
3 Hi A 8 1
4 Hi A 9 1
dd <- dd[order(dd$b, decreasing = FALSE),]
dd <- dd[order(dd$z, decreasing = TRUE),]
require(plyr)
require(doBy)
require(data.table)
require(dplyr)
require(taRifx)
set.seed(45L)
dat = data.frame(b = as.factor(sample(c("Hi", "Med", "Low"), 1e8, TRUE)),
x = sample(c("A", "D", "C"), 1e8, TRUE),
y = sample(100, 1e8, TRUE),
z = sample(5, 1e8, TRUE),
stringsAsFactors = FALSE)
orderBy( ~ -z + b, data = dat) ## doBy
plyr::arrange(dat, desc(z), b) ## plyr
arrange(dat, desc(z), b) ## dplyr
sort(dat, f = ~ -z + b) ## taRifx
dat[with(dat, order(-z, b)), ] ## base R
# convert to data.table, by reference
setDT(dat)
dat[order(-z, b)] ## data.table, base R like syntax
setorder(dat, -z, b) ## data.table, using setorder()
## setorder() now also works with data.frames
# R-session memory usage (BEFORE) = ~2GB (size of 'dat')
# ------------------------------------------------------------
# Package function Time (s) Peak memory Memory used
# ------------------------------------------------------------
# doBy orderBy 409.7 6.7 GB 4.7 GB
# taRifx sort 400.8 6.7 GB 4.7 GB
# plyr arrange 318.8 5.6 GB 3.6 GB
# base R order 299.0 5.6 GB 3.6 GB
# dplyr arrange 62.7 4.2 GB 2.2 GB
# ------------------------------------------------------------
# data.table order 6.2 4.2 GB 2.2 GB
# data.table setorder 4.5 2.4 GB 0.4 GB
# ------------------------------------------------------------
DF <- DF[order(...)]
library(BBmisc)
sortByCol(dd, c("z", "b"), asc = c(FALSE, TRUE))
b x y z
4 Low C 9 2
2 Med D 3 1
1 Hi A 8 1
3 Hi A 9 1
library(microbenchmark)
microbenchmark(sortByCol(dd, c("z", "b"), asc = c(FALSE, TRUE)), times = 100000)
median 202.878
library(plyr)
microbenchmark(arrange(dd,desc(z),b),times=100000)
median 148.758
microbenchmark(dd[with(dd, order(-z, b)), ], times = 100000)
median 115.872
library(dplyr)
library(data.table)
df1 <- tbl_df(iris)
#using strings or formula
arrange_(df1, c('Petal.Length', 'Petal.Width'))
arrange_(df1, ~Petal.Length, ~Petal.Width)
Source: local data frame [150 x 5]
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
(dbl) (dbl) (dbl) (dbl) (fctr)
1 4.6 3.6 1.0 0.2 setosa
2 4.3 3.0 1.1 0.1 setosa
3 5.8 4.0 1.2 0.2 setosa
4 5.0 3.2 1.2 0.2 setosa
5 4.7 3.2 1.3 0.2 setosa
6 5.4 3.9 1.3 0.4 setosa
7 5.5 3.5 1.3 0.2 setosa
8 4.4 3.0 1.3 0.2 setosa
9 5.0 3.5 1.3 0.3 setosa
10 4.5 2.3 1.3 0.3 setosa
.. ... ... ... ... ...
#Or using a variable
sortBy <- c('Petal.Length', 'Petal.Width')
arrange_(df1, .dots = sortBy)
Source: local data frame [150 x 5]
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
(dbl) (dbl) (dbl) (dbl) (fctr)
1 4.6 3.6 1.0 0.2 setosa
2 4.3 3.0 1.1 0.1 setosa
3 5.8 4.0 1.2 0.2 setosa
4 5.0 3.2 1.2 0.2 setosa
5 4.7 3.2 1.3 0.2 setosa
6 5.5 3.5 1.3 0.2 setosa
7 4.4 3.0 1.3 0.2 setosa
8 4.4 3.2 1.3 0.2 setosa
9 5.0 3.5 1.3 0.3 setosa
10 4.5 2.3 1.3 0.3 setosa
.. ... ... ... ... ...
#Doing the same operation except sorting Petal.Length in descending order
sortByDesc <- c('desc(Petal.Length)', 'Petal.Width')
arrange_(df1, .dots = sortByDesc)
dt1 <- data.table(iris) #not really required, as you can work directly on your data.frame
sortBy <- c('Petal.Length', 'Petal.Width')
sortType <- c(-1, 1)
setorderv(dt1, sortBy, sortType)
dt1
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1: 7.7 2.6 6.9 2.3 virginica
2: 7.7 2.8 6.7 2.0 virginica
3: 7.7 3.8 6.7 2.2 virginica
4: 7.6 3.0 6.6 2.1 virginica
5: 7.9 3.8 6.4 2.0 virginica
---
146: 5.4 3.9 1.3 0.4 setosa
147: 5.8 4.0 1.2 0.2 setosa
148: 5.0 3.2 1.2 0.2 setosa
149: 4.3 3.0 1.1 0.1 setosa
150: 4.6 3.6 1.0 0.2 setosa
> library(rgr)
> gx.sort.df(dd, ~ -z+b)
b x y z
4 Low C 9 2
2 Med D 3 1
1 Hi A 8 1
3 Hi A 9 1
dfOrder(myDf, columnIndices)
dd1 <- dd %>%
arrange(z) %>%
arrange(desc(x))
ind <- do.call(what = "order", args = iris[,c(5,1,2,3)])
iris[ind, ]
## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 14 4.3 3.0 1.1 0.1 setosa
## 9 4.4 2.9 1.4 0.2 setosa
## 39 4.4 3.0 1.3 0.2 setosa
## 43 4.4 3.2 1.3 0.2 setosa
## 42 4.5 2.3 1.3 0.3 setosa
## 4 4.6 3.1 1.5 0.2 setosa
## 48 4.6 3.2 1.4 0.2 setosa
## 7 4.6 3.4 1.4 0.3 setosa
## (...)