如何按多个列排序数据框？

2018-05-29 14:46:33

我想通过多列对数据框进行排序。例如，在下面的data.frame中，我想按列z （降序）然后按列b （升序）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))
dd
    b x y z
1  Hi A 8 1
2 Med D 3 1
3  Hi A 9 1
4 Low C 9 2

您可以直接使用order()函数，而无需借助附加工具 - 查看这个更简单的答案，它使用example(order)代码顶部的一个技巧：

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

一些2+年后编辑：它只是被问及如何通过列索引来做到这一点。答案是简单地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()以便于更直接地访问）。

您的选择

order从base

从dplyr arrange

setorder和setorderv从data.table

从plyr arrange

从taRifx sort

orderBy从doBy

sortData从Deducer

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，在这种情况下使用base::order 。

我最近将sort.data.frame添加到一个CRAN包中，使其与类的兼容性如下所述：为sort.data.frame创建泛型/方法一致性的最佳方法？

因此，给定data.frame dd，你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 )

如果您是此功能的原创作者之一，请与我联系。关于公共领域的讨论在这里：http://chat.stackoverflow.com/transcript/message/1094290#1094290

您也可以使用Hadley在上述线程中指出的plyr的arrange()函数：

library(plyr)
arrange(dd,desc(z),b)

基准测试：请注意，由于存在很多冲突，我在一个新的R会话中加载了每个软件包。特别是加载doBy包导致sort返回“下面的对象从'x（位置17）'被掩盖：b，x，y，z”，并且加载Deducer包将覆盖来自Kevin的sort.data.frame赖特或taRifx包。

#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
)

平均时间：

dd[with(dd, order(-z, b)), ] 778

dd[order(-dd$z, dd$b),] 788

library(taRifx)
microbenchmark(sort(dd, f= ~-z+b ),times=1000)

中位时间： 1,567

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： 1,694

请注意，doBy需要很长时间才能加载包。

library(Deducer)
microbenchmark(sortData(dd,c("z","b"),increasing= c(FALSE,TRUE)),times=1000)

无法使Deducer载入。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)

由于附着/分离，似乎与microbenchmark不兼容。

m <- microbenchmark(
  arrange(dd,desc(z),b),
  sort(dd, f= ~-z+b ),
  dd[with(dd, order(-z, b)), ] ,
  dd[order(-dd$z, dd$b),],
  times=1000
  )

uq <- function(x) { fivenum(x)[4]}  
lq <- function(x) { fivenum(x)[2]}

y_min <- 0 # min(by(m$time,m$expr,lq))
y_max <- max(by(m$time,m$expr,uq)) * 1.05

p <- ggplot(m,aes(x=expr,y=time)) + coord_cartesian(ylim = c( y_min , y_max )) 
p + stat_summary(fun.y=median,fun.ymin = lq, fun.ymax = uq, aes(fill=expr))

（线从下四分位延伸到上四分位，点是中位数）

鉴于这些结果和称重简单性与速度，我不得不点头表示arrange在plyr包装中 。它有一个简单的语法，但它的基本R命令与它们的复杂旋转几乎一样快。典型的辉煌哈德利韦克汉姆的工作。我唯一抱怨的是，它打破了标准R命名法，其中按sort(object)排序对象进行调用，但是我明白为什么Hadley会这样做，因为上面链接问题中讨论的问题。

德克的回答很好。它还强调了用于索引data.frame s和data.table s的语法中的一个关键区别：

## 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)]

这两个电话之间的差别很小，但它可能会产生重要的后果。特别是如果您在研究中编写产品代码和/或关心正确性，最好避免不必要的重复变量名称。 data.table帮助你做到这一点。

下面是一个重复变量名称可能会让你陷入麻烦的例子：

让我们从Dirk的回答中改变上下文，并说这是更大项目的一部分，其中有很多对象名称，而且它们很长且有意义。而不是dd它被称为quarterlyreport 。它成为了：

quarterlyreport[with(quarterlyreport,order(-z,b)),]

好的。没有错。接下来你的老板会要求你在报告中包含上个季度的报告。你走你的代码，添加对象lastquarterlyreport在不同的地方，不知怎么你结束了这个（如何在地球上？）：

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，而且它依赖于类似代码的页面。代码不会翻倒（没有警告和错误），因为R认为它是你的意思。你希望看到你的报告的人看到它，但也许他们没有。如果你使用编程语言很多，那么这种情况可能会让人很熟悉。这是一个你会说的“打字错误”。我会解决你对老板说的“打字错误”。

在data.table我们关注这样的细节。所以我们做了一些简单的事情来避免两次输入变量名。一些非常简单的东西。 i已经自动地在dd帧内dd进行了评估。 with()完全不需要。

代替

dd[with(dd, order(-z, b)), ]

只是

dd[order(-z, b)]

而不是

quarterlyreport[with(lastquarterlyreport,order(-z,b)),]

只是

quarterlyreport[order(-z,b)]

这是一个非常小的差异，但它可能只会挽救你的脖子有一天。在权衡这个问题的不同答案时，考虑将变量名称的重复计为您决定的标准之一。有些答案有不少重复，其他答案没有。

链接地址: http://www.djcxy.com/p/1913.html

上一篇: How to sort a dataframe by multiple column(s)?

下一篇: How do I sort an NSMutableArray with custom objects in it?