R语言 排序问题

1. rev VS reverse

data = c("abc", "dba", "ywc", "tdq", "arc")

rev(data)
[1] "arc" "tdq" "ywc" "dba" "abc"

reverse(data)
[1] "cba" "abd" "cwy" "qdt" "cra"

base::rev(): rev provides a reversed version of its argument. [1]
IRanges::reverse(): A generic function for reversing vector-like or list-like objects. This man page describes methods for reversing a character vector, a Views object, or a MaskCollection object.[2]
总结:
rev与reverse函数都是将目前的排列次序进行反向排列,不同点是:rev针对的是整个向量,而reverse针对的是向量中的每一个字符串

2.order 可对数据框按列进行重新排序(按行排序同理)

data = c("abc", "dba", "ywc", "tdq", "arc")

order(data)
[1] 1 5 2 4 3

data[order(data)]
[1] "abc" "arc" "dba" "tdq" "ywc"

data[order(data, decreasing = TRUE)]
[1] "ywc" "tdq" "dba" "arc" "abc"

base::order(): order returns a permutation which rearranges its first argument into ascending or descending order, breaking ties by further arguments.[3]
总结:order是按照其元素值的大小对向量进行重新排序,并返回其索引。

巧用order,对数据框进行排序
dt = data.frame(a=c(3,5,1,2,2), b=c(7,2,1,4,3), c=c("m2", "y1", "o3", "p2","p3"))
dt
  a b  c
1 3 7 m2
2 5 2 y1
3 1 1 o3
4 2 4 p2
5 2 3 p3

dt[order(dt$a), ] #根据第一列升序对数据框进行重新排序
  a b  c
3 1 1 o3
4 2 4 p2
5 2 3 p3
1 3 7 m2
2 5 2 y1

dt[order(dt$a, dt$b), ] #先根据第一列升序排序,若第一列值相等,则比较第二列值,按照其升序进行排序
  a b  c
3 1 1 o3
5 2 3 p3
4 2 4 p2
1 3 7 m2
2 5 2 y1

3.arrange(来源于dplyr包,这个包很实用,后续会做更多的介绍)

dt
  a b  c
1 3 7 m2
2 5 2 y1
3 1 1 o3
4 2 4 p2
5 2 3 p3

arrange(dt,a,b) #与order的结果一样,用法更简便
a b  c
1 1 1 o3
2 2 3 p3
3 2 4 p2
4 3 7 m2
5 5 2 y1

dplyr::arrange():arrange orders the rows of a data frame by the values of selected columns.[4]
总结:arrange更适用于对数据框按照列排序,且用法很简单

4.sort

data
[1] "abc" "dba" "ywc" "tdq" "arc"

sort(data)
[1] "abc" "arc" "dba" "tdq" "ywc"

sort(data, decreasing = T)
[1] "ywc" "tdq" "dba" "arc" "abc"

base::sort():Sort (or order) a vector or factor (partially) into ascending or descending order.[5]
总结:sort是按照其元素值的大小对向量进行重新排序,并返回重排之后的值

5.rank 一般用于排名

s = c(3,2,4,1,3,4,5,7,8)
rank(s)
[1] 3.5 2.0 5.5 1.0 3.5 5.5 7.0 8.0 9.0

base::rank(): Returns the sample ranks of the values in a vector.[6]
总结:rank返回原数据的秩序。

References

[1]Becker, R. A., Chambers, J. M. and Wilks, A. R. (1988) The New S Language. Wadsworth & Brooks/Cole.
[2]Lawrence M, Huber W, Pagès H, Aboyoun P, Carlson M, Gentleman R, Morgan M, Carey V (2013). “Software for Computing and Annotating Genomic Ranges.” PLoS Computational Biology, 9.
[3]Becker, R. A., Chambers, J. M. and Wilks, A. R. (1988) The New S Language. Wadsworth & Brooks/Cole.
[4]Wickham, H., François, R., Henry, L., & Müller, K. (2020). A Grammar of Data Manipulation [R package dplyr version 1.0.2].
[5]Becker, R. A., Chambers, J. M. and Wilks, A. R. (1988). The New S Language. Wadsworth & Brooks/Cole.
[6]Becker, R. A., Chambers, J. M. and Wilks, A. R. (1988) The New S Language. Wadsworth & Brooks/Cole

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 219,366评论 6 508
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,521评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 165,689评论 0 356
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,925评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,942评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,727评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,447评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,349评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,820评论 1 317
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,990评论 3 337
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,127评论 1 351
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,812评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,471评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,017评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,142评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,388评论 3 373
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,066评论 2 355

推荐阅读更多精彩内容