R語言中排序有幾個基本函式：sort()、rank()、order()、arrange()

一、總結

　　sort()函式是對向量進行從小到大的排序

　　rank()函式返回的是對向量中每個數值對應的秩

　　order()函式返回的值表示位置，依次對應的是向量的最小值、次小值、第三小值……最大值等（位置索引）

　　arrange()函式（需載入dplyr包）針對資料框，返回基於某列排序後的資料框，方便多重依據排序

二、具體用法

1.sort

data <- c(5,6,8,2,9,3)
sort(data) # 2 3 5 6 8 9
sort(data, decreasing 
 
= TRUE) # 9 8 6 5 3 2

2.order

data <- c(5,6,8,2,9,3)
order(data) # 4 6 1 2 3 5
data[order(data)] # 等同於sort(data)排序

d <- data.frame(
  x=c(13,45,13,45,13),
  y=c(3,1,2,2,3),
  t=c(56,7,68,3,1))

d[order(d$x,d$y),] # x升序 y升序
/*
  x y  t
3 13 2 68
1 13 3 56
5 13 3  1
2 45 1  7
4 45 2  3
 
*/

d[order(-d$x,d$y),] # x降序 y升序
/*
  x y  t
2 45 1  7
4 45 2  3
3 13 2 68
1 13 3 56
5 13 3  1
*/

3.rank

# rank函式
rank(x, na.last = TRUE, ties.method = c("average","first","random","max","min"))

data <- c(5,6,8,2,9,3)
rank(data) # 3 4 5 1 6 2

(1) rank 函式是對一維度陣列、向量x 進行排序。若x 為數值，則按照從小到大的原則進行排序。

P.S. 實際情況中，存在大量用二維表格描述的資料，比如行表示地點列表示時間的統計表，若進行排序，應先通過字元拼接的手段將表格轉化為一維的向量，否則結果將失去意義。

(2) rank 將資料分為確定值與缺失值兩種。缺失值可按先後排在確定值之間(na.last = FALSE), 也可排在之後(na.last = TRUE), 也可保留，不參與排序(na.last = "keep")。

(3) "first" 是最基本的排序，小數在前大數在後，相同元素先者在前後者在後。

　　"max" 是相同元素都取該組中最好的水平，即通常所講的並列排序。

　　"min" 是相同元素都取該組中最差的水平，可以增大序列的等級差異。

　　"average" 是相同元素都取該組中的平均水平，該水平可能是個小數。

　　"random" 是相同元素隨機編排次序，避免了“先到先得”，“權重”優於“先後順序”的機制增大了隨機的程度。

4.arrange(dplyr)

library(dplyr)
arrange(mtcars, cyl, disp) # 按 cyl + disp 列進行升序排列
mtcars[order(mtcars$cyl,mtcars$disp),] # 同上
/*
  mpg cyl  disp  hp drat    wt  qsec vs am gear carb
1 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
2 30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
3 32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
4 27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
5 30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
6 22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
*/
head(arrange(mtcars,cyl,desc(disp)))
/*
  mpg cyl  disp  hp drat    wt  qsec vs am gear carb
1 24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
2 22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
3 21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
4 26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
5 21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
6 22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
*/

END 2018-11-26 11:48:18