一具被,排序函數(shù)
R語言中,和排序相關(guān)的常用函數(shù)有:order()只损,sort()一姿,rank(),一般是對(duì)向量進(jìn)行操作跃惫,也可以對(duì)數(shù)據(jù)框的列進(jìn)行操作叮叹。
1. order(..., decreasing = FALSE)
“...” 中可以是一個(gè)向量(數(shù)值型,字符型爆存,邏輯型蛉顽,因子型均可),也可以是多個(gè)向量(長(zhǎng)度必須相同)
它返回的是排列后(默認(rèn)是升序)的元素在該向量中所處的位置先较,即索引携冤,所以返回的不是原來向量的那些數(shù)值,而是排序后那些數(shù)值所對(duì)應(yīng)的位置闲勺。它在常在數(shù)據(jù)框中運(yùn)用曾棕,可以根據(jù)某一列和某幾列來調(diào)整數(shù)據(jù)框。
1.1 單個(gè)向量
> vec1 <- c(94,83,72,25,100,98,57,69,29,45)
> vec1
[1] 94 83 72 25 100 98 57 69 29 45
> order(vec1) #生成的是索引
[1] 4 9 10 7 8 3 2 1 6 5
> vec1[order(vec1)] #根據(jù) order 函數(shù)生成的索引提取后就是排列后的元素菜循,等同于 sort(vec1)
[1] 25 29 45 57 69 72 83 94 98 100
1.2 多個(gè)向量(數(shù)據(jù)框的多列)
#創(chuàng)建一個(gè)向量
> df <- data.frame(var1 = c(1,1,3:1,1:4,3),
+ var2 = c(9,9:1)翘地,
+ var3 = c(2,1:9))
> df
var1 var2 var3
1 1 9 2
2 1 9 1
3 3 8 2
4 2 7 3
5 1 6 4
6 1 5 5
7 2 4 6
8 3 3 7
9 4 2 8
10 3 1 9
#按列var1將排序
##先用order函數(shù)處理列var1
> order(df$var1)
[1] 1 2 5 6 4 7 3 8 10 9
##然后用上面生成的索引來調(diào)整數(shù)據(jù)框 df
> df[order(df$var1),] #注意是將生成的索引放在行的位置,另外注意的是此時(shí)的 df 只是調(diào)整后輸出到console而已债朵,要使得調(diào)整生效必須將調(diào)整后的df賦值給原來的 df
var1 var2 var3
1 1 9 2
2 1 9 1
5 1 6 4
6 1 5 5
4 2 7 3
7 2 4 6
3 3 8 2
8 3 3 7
10 3 1 9
9 4 2 8
上面最左邊的一列數(shù)值(不是var1這一列)就是 order(df$var1) 生成的子眶,列var1的順序就是order后的,注意和前面df 的列var1進(jìn)行比較序芦,還有一點(diǎn)要牢記的就是這種在數(shù)據(jù)框里的調(diào)整臭杰,是整行變動(dòng)(都按列var1來)。故而本質(zhì)上谚中,對(duì)于數(shù)據(jù)框而言渴杆,order函數(shù)出來的是原始數(shù)據(jù)框中的行號(hào),行號(hào)順序一變宪塔,意味著行號(hào)代表的整行跟著變磁奖。
接著再按列var2排序(注意是在列var1已經(jīng)排好的基礎(chǔ)上再按列var2重新排序,即此時(shí)列var1里的非重復(fù)值的行順序不會(huì)再變了某筐,只有列var1里有重復(fù)值(數(shù)值相同的)的行才會(huì)變換比搭,而且是按照列var2來變換,南誊。如還要按其它列再排身诺,以此類推):
> order(df$var1,df$var2)
[1] 6 5 1 2 7 4 10 8 3 9
> df[order(df$var1,df$var2),]
var1 var2 var3
6 1 5 5
5 1 6 4
1 1 9 2
2 1 9 1
7 2 4 6
4 2 7 3
10 3 1 9
8 3 3 7
3 3 8 2
9 4 2 8
最后再按列var3排序蜜托,此時(shí)只有列var2中有重復(fù)值的行(當(dāng)然這時(shí)var1肯定也是重復(fù)的)才會(huì)變換------這里是含有9的那兩行,并且是按照這些重復(fù)值對(duì)應(yīng)到列var3的那些行的數(shù)值(數(shù)值1和2)來變的
> order(df$var1,df$var2,df$var3)
[1] 6 5 2 1 7 4 10 8 3 9
> df[order(df$var1,df$var2,df$var3), ] #order后的結(jié)果放在中括號(hào)內(nèi)行的位置
var1 var2 var3
6 1 5 5
5 1 6 4
2 1 9 1
1 1 9 2
7 2 4 6
4 2 7 3
10 3 1 9
8 3 3 7
3 3 8 2
9 4 2 8
總結(jié)提升霉赡,order()函數(shù)中橄务,如果第一個(gè)向量(或者說是數(shù)據(jù)框里你想要根據(jù)它來調(diào)整的那一列)里沒有重復(fù)值,那么按照后面的所有向量(不管有多少個(gè))的重排都不會(huì)進(jìn)行(或者說重排的結(jié)果不會(huì)變)穴亏,order(vec1,vec2,vec3,...) 返回的行號(hào)及其順序和 order(vec1) 的是一樣蜂挪。
> df <- data.frame(var1 = c(2,4,3,1,5,7,9,10,6,8),
+ var2 = c(9,9:1),
+ var3 = c(2,1:9))
> order(df$var1)
[1] 4 1 3 2 5 9 6 10 7 8
> order(df$var1,df$var2)
[1] 4 1 3 2 5 9 6 10 7 8
> order(df$var1,df$var2,df$var3)
[1] 4 1 3 2 5 9 6 10 7 8
同理嗓化,也可以處理對(duì)應(yīng)的行(比如矩陣或是數(shù)據(jù)框的行)
> ob1 <- c(1,1,3:1,1:4,3)
> ob1
[1] 1 1 3 2 1 1 2 3 4 3
> ob2 <- c(9,9:1)
> ob2
[1] 9 9 8 7 6 5 4 3 2 1
> ob3 <- c(2,1:9)
> ob3
[1] 2 1 2 3 4 5 6 7 8 9
> rbind(ob1,ob2,ob3)
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
ob1 1 1 3 2 1 1 2 3 4 3
ob2 9 9 8 7 6 5 4 3 2 1
ob3 2 1 2 3 4 5 6 7 8 9
> class(rbind(ob1,ob2,ob3))
[1] "matrix" "array"
> order(ob1,ob2,ob3) #注意這里ob1,ob2,ob3對(duì)應(yīng)的是三個(gè)向量
[1] 6 5 2 1 7 4 10 8 3 9
> rbind(ob1,ob2,ob3)[ ,order(ob1,ob2,ob3)] #order后的結(jié)果放在中括號(hào)內(nèi)列的位置
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
ob1 1 1 1 1 2 2 3 3 3 4
ob2 5 6 9 9 4 7 1 3 8 2
ob3 5 4 1 2 6 3 9 7 2 8
1.3 factor(因子型向量)
> vec2 <- factor(x=c("B","A","A","C","B","A","C"),levels = c("A","B","C"),ordered = T)
> vec3 <- c(94,83,72,25,100,98,57)
> df1 <- data.frame(var1 = vec2,
+ var2 = vec3)
> df1
var1 var2
1 B 94
2 A 83
3 A 72
4 C 25
5 B 100
6 A 98
7 C 57
> order(df1$var1)
[1] 2 3 6 1 5 4 7
> df1[order(df1$var1),]
var1 var2
2 A 83
3 A 72
6 A 98
1 B 94
5 B 100
4 C 25
7 C 57
> order(df1$var1,df1$var2)
[1] 3 2 6 1 5 4 7
> df1[order(df1$var1,df1$var2),]
var1 var2
3 A 72
2 A 83
6 A 98
1 B 94
5 B 100
4 C 25
7 C 57
2. sort(x, decreasing = FALSE)
x 只能是一個(gè)向量(數(shù)值型棠涮,字符型,邏輯型蟆湖,因子型均可)
返回的是排序后(默認(rèn)是升序)的那個(gè)數(shù)值向量(還是那些數(shù)值故爵,只不過是排序過了的)
> vec1 <- c(94,83,72,25,100,98,57,69,29,45)
> vec1
[1] 94 83 72 25 100 98 57 69 29 45
> sort(vec1)
[1] 25 29 45 57 69 72 83 94 98 100
> df1
var1 var2
1 B 94
2 A 83
3 A 72
4 C 25
5 B 100
6 A 98
7 C 57
> sort(df1$var1)
[1] A A A B B C C
Levels: A < B < C
> sort(df1$var1,df1$var2) #只能是按照一個(gè)向量
Error in sort(df1$var1, df1$var2) :
'decreasing' must be a length-1 logical vector.
Did you intend to set 'partial'?
3. rank(x, na.last = TRUE)
求秩的函數(shù),x 只能是一個(gè)**向量(數(shù)值型隅津,字符型诬垂,邏輯型), 該向量一般不會(huì)有重復(fù)值伦仍,返回的是該向量中對(duì)應(yīng)元素的“排名”结窘,即元素順序它不會(huì)改變,只是告訴你每個(gè)元素在整個(gè)向量中的名次(如果要排序(默認(rèn)是升序)的話)充蓝。
> vec1 <- c(94,83,72,25,100,98,57,69,29,45)
> vec1
[1] 94 83 72 25 100 98 57 69 29 45
> rank(vec1)
[1] 8 7 6 1 10 9 4 5 2 3
如果向量有重復(fù)值隧枫,出現(xiàn)的結(jié)果會(huì)有些不太好處理
> df <- data.frame(var1 = c(1,1,3:1,1:4,3),
+ var2 = c(9,9:1),
+ var3 = c(2,1:9))
> df
var1 var2 var3
1 1 9 2
2 1 9 1
3 3 8 2
4 2 7 3
5 1 6 4
6 1 5 5
7 2 4 6
8 3 3 7
9 4 2 8
10 3 1 9
> rank(df$var1) # var1有重復(fù)值
[1] 2.5 2.5 8.0 5.5 2.5 2.5 5.5 8.0 10.0 8.0
> rank(df$var2) # var2有重復(fù)值
[1] 9.5 9.5 8.0 7.0 6.0 5.0 4.0 3.0 2.0 1.0
> vec <- c(94,83,72,25,72,98,57,69,29,45)
> vec
[1] 94 83 72 25 72 98 57 69 29 45 # 有重復(fù)值
> rank(vec)
[1] 9.0 8.0 6.5 1.0 6.5 10.0 4.0 5.0 2.0 3.0
二谓苟,match(x官脓,y)函數(shù)
匹配兩個(gè)向量,返回的是第一個(gè)向量 x中的各個(gè)元素在第二個(gè)向量 y中所匹配的元素的位置值(索引涝焙,下標(biāo)值)卑笨,即返回的是第二個(gè)向量的下標(biāo)值組成的向量。
注意事項(xiàng):
1. 返回的下標(biāo)值向量的長(zhǎng)度與第一個(gè)向量相等仑撞,即 length(x) == length(match(x,y)) 為 TRUE赤兴。
2. 第一個(gè)向量可以是只有一個(gè)元素的向量。
3. 兩個(gè)向量的長(zhǎng)度不一定要相等隧哮。
4. 返回的是 x中每個(gè)元素在y中的位置桶良,可用來提取y中的元素,沒有匹配上的會(huì)返回 NA沮翔。
拓展用法:
y [match(x, y)]: x中 和y 相同的元素都是哪些陨帆,前提是x中的元素在y中都有(即x是y的子集),否則會(huì)返回 NA。(最好是用x[ x %in y])
y[-match(x, y)]: 找出 y里面有 x里面沒有的數(shù)值歧譬,前提是x中的元素在y中都有(即x是y的子集)岸浑,否則會(huì)報(bào)錯(cuò)搏存。
> tmp <- LETTERS[1:26]
> tmp
[1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N" "O" "P" "Q" "R" "S"
[20] "T" "U" "V" "W" "X" "Y" "Z"
> match("O",tmp) # 第一個(gè)向量只有一個(gè)元素
[1] 15
> match(c("Z","D"),tmp)
[1] 26 4
> x <- c("TRUE","Z","D")
> x
[1] "TRUE" "Z" "D"
> y <- tmp
> y
[1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N" "O" "P" "Q" "R" "S"
[20] "T" "U" "V" "W" "X" "Y" "Z"
> match(x,y) #沒有匹配上的會(huì)返回 NA
[1] NA 26 4
> y[match(x,y)] #沒有匹配上的會(huì)返回 NA
[1] NA "Z" "D"
> y[-match(x,y)] #會(huì)報(bào)錯(cuò)
Error in y[-match(x, y)] : only 0's may be mixed with negative subscripts
當(dāng)兩個(gè)向量類型不一樣時(shí), match函數(shù)會(huì)進(jìn)行類型轉(zhuǎn)換瑰步,然后再匹配。
> a <- c(1,TRUE,0) # 邏輯值可以當(dāng)成1或0璧眠,優(yōu)先級(jí):字符型>數(shù)值型>邏輯型
> a
[1] 1 1 0
> class(a)
[1] "numeric"
> b <- c(T,0,"1") #字符型數(shù)據(jù)優(yōu)先級(jí)最高
> b
[1] "TRUE" "0" "1"
> class(b)
[1] "character"
> match(a,b)
[1] 3 3 2
> b[match(a,b)]
[1] "1" "1" "0"
> a1 <- c(F,TRUE)
> a1
[1] FALSE TRUE
> class(a1)
[1] "logical"
> match(a,a1)
[1] 2 2 1
> a1[match(a,a1)]
[1] TRUE TRUE FALSE
> match(a1,a)
[1] 3 1
> a[match(a1,a)]
[1] 0 1
x %in% y
判斷x中的元素是否都在y中缩焦,返回的是個(gè)長(zhǎng)度和 x 一樣的邏輯值向量,存在的話返回TRUE责静,否則返回FALSE袁滥。
sum(x %in% y): 統(tǒng)計(jì) x 中有多少個(gè)元素在y中,或者說 x 和 y 有幾個(gè)相同元素
x[x %in% y]: x中 和y 相同的元素都是哪些
> x <- c("A","Z","D","ZD")
> y <- LETTERS[1:26]
> x %in% y
[1] TRUE TRUE TRUE FALSE
> sum(x %in% y) # 統(tǒng)計(jì) x 中有多少個(gè)元素在y中灾螃,或者說 x 和 y 有幾個(gè)相同元素
[1] 3
> x[x %in% y] # x 和 y中有幾個(gè)相同元素题翻,都是哪些元素。
[1] "A" "Z" "D"