R语言中的数据排序

点击下载本文全部代码

一、排序函数总结

在整理表格结果时常常需要对数据按某种方式进行排序,以输出几个最大/小值或某个字段高/低值所在的行。了解R中的sort()order()rank()arrange()函数就能完成绝大多数排序任务。

 

二、sort()函数应用

sort()针对一维向量使用,作用是将一组数按顺序输出。decreasing属性可以设置是否降序。

> v <- c(3,2,5,7,1)
> sort(v)
[1] 1 2 3 5 7
> sort(v, decreasing = T)
[1] 7 5 3 2 1

 

三、order()函数应用

order()向量使用,作用是输出这组数按顺序排序的索引,decreasing属性可以设置是否降序。

> v <- c(3,2,5,7,1)
> order(v)
[1] 5 2 1 3 4
> order(v, decreasing = T)
[1] 4 3 1 2 5
> v[order(v)]
[1] 1 2 3 5 7

order()还可以对多组向量使用,作用是输出按多个数组排序的索引,位置靠前的数组会被优先排序。

> df <- data.frame(x=c(3,2,5,7,1,3),
+                 y=c(7,6,4,9,3,2))
> df[order(df$x,df$y),]
  x y
5 1 3
2 2 6
6 3 2
1 3 7
3 5 4
4 7 9

 

四、rank()函数应用

rank()针对一维向量使用,作用是输出向量中每个元素在这组数中的位序rank()函数没有decreasing属性设置正序或降序,但可以用rev()函数反转结果。

> v <- c(3,2,5,7,1)
> rank(v)
[1] 3 2 4 5 1
> rev(rank(v))
[1] 1 5 4 2 3

 

五、arrange()函数应用

arrange()dplyr包中专门针对表格使用的,作用是将表格按一个或一些字段的数值进行排序,可以对每个字段设置正序或降序规则,使用desc(字段名)来表示降序。

> library(dplyr)
> df <- data.frame(x=c(3,2,5,7,1,3),
+                 y=c(7,6,4,9,3,2))
> arrange(mtcars, cyl, desc(disp))
                     mpg cyl  disp  hp drat    wt  qsec vs am gear carb
Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
Merc 230            22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
Volvo 142E          21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
Porsche 914-2       26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
Toyota Corona       21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
Fiat X1-9           27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
Valiant             18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
Merc 280            19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
Merc 280C           17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
Xiaoran Wu
Xiaoran Wu
Master’s student