R语言的排序函数(order, sort, rank)及匹配函数（match,%in%)用法详解 |
您所在的位置：网站首页 › 怎么让文字按照字母顺序排列 › R语言的排序函数(order, sort, rank)及匹配函数（match,%in%)用法详解 |
|
一，排序函数
R语言中，和排序相关的常用函数有：order()，sort()，rank()，一般是对向量进行操作，也可以对数据框的列进行操作。 1. order(..., decreasing = FALSE) “...” 中可以是一个向量（数值型，字符型，逻辑型，因子型均可），也可以是多个向量（长度必须相同） 它返回的是排列后（默认是升序）的元素在该向量中所处的位置，即索引，所以返回的不是原来向量的那些数值，而是排序后那些数值所对应的位置。它在常在数据框中运用，可以根据某一列和某几列来调整数据框。 1.1 单个向量 > vec1 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)] #根据 order 函数生成的索引提取后就是排列后的元素，等同于 sort(vec1) [1] 25 29 45 57 69 72 83 94 98 1001.2 多个向量（数据框的多列） #创建一个向量 > df 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将排序 ##先用order函数处理列var1 > order(df$var1) [1] 1 2 5 6 4 7 3 8 10 9 ##然后用上面生成的索引来调整数据框 df > df[order(df$var1),] #注意是将生成的索引放在行的位置，另外注意的是此时的 df 只是调整后输出到console而已，要使得调整生效必须将调整后的df赋值给原来的 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上面最左边的一列数值（不是var1这一列）就是 order(df$var1) 生成的，列var1的顺序就是order后的，注意和前面df 的列var1进行比较，还有一点要牢记的就是这种在数据框里的调整，是整行变动(都按列var1来)。故而本质上，对于数据框而言，order函数出来的是原始数据框中的行号，行号顺序一变，意味着行号代表的整行跟着变。 接着再按列var2排序（注意是在列var1已经排好的基础上再按列var2重新排序，即此时列var1里的非重复值的行顺序不会再变了，只有列var1里有重复值（数值相同的）的行才会变换，而且是按照列var2来变换，。如还要按其它列再排，以此类推）： > order(df$var1,df$var2) [1] 6 5 1 2 7 4 10 8 3 9 > df[order(df$var1,df$var2),] var1 var2 var3 6 1 5 5 5 1 6 4 1 1 9 2 2 1 9 1 7 2 4 6 4 2 7 3 10 3 1 9 8 3 3 7 3 3 8 2 9 4 2 8最后再按列var3排序，此时只有列var2中有重复值的行（当然这时var1肯定也是重复的）才会变换------这里是含有9的那两行，并且是按照这些重复值对应到列var3的那些行的数值（数值1和2）来变的 > order(df$var1,df$var2,df$var3) [1] 6 5 2 1 7 4 10 8 3 9 > df[order(df$var1,df$var2,df$var3), ] #order后的结果放在中括号内行的位置 var1 var2 var3 6 1 5 5 5 1 6 4 2 1 9 1 1 1 9 2 7 2 4 6 4 2 7 3 10 3 1 9 8 3 3 7 3 3 8 2 9 4 2 8总结提升，order()函数中，如果第一个向量（或者说是数据框里你想要根据它来调整的那一列）里没有重复值，那么按照后面的所有向量（不管有多少个）的重排都不会进行（或者说重排的结果不会变），order(vec1,vec2,vec3,...) 返回的行号及其顺序和 order(vec1) 的是一样。 > df order(df$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$var3) [1] 4 1 3 2 5 9 6 10 7 8同理，也可以处理对应的行（比如矩阵或是数据框的行） > ob1 ob1 [1] 1 1 3 2 1 1 2 3 4 3 > ob2 ob2 [1] 9 9 8 7 6 5 4 3 2 1 > ob3 ob3 [1] 2 1 2 3 4 5 6 7 8 9 > rbind(ob1,ob2,ob3) [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] ob1 1 1 3 2 1 1 2 3 4 3 ob2 9 9 8 7 6 5 4 3 2 1 ob3 2 1 2 3 4 5 6 7 8 9 > class(rbind(ob1,ob2,ob3)) [1] "matrix" "array" > order(ob1,ob2,ob3) #注意这里ob1,ob2,ob3对应的是三个向量 [1] 6 5 2 1 7 4 10 8 3 9 > rbind(ob1,ob2,ob3)[ ,order(ob1,ob2,ob3)] #order后的结果放在中括号内列的位置 [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] ob1 1 1 1 1 2 2 3 3 3 4 ob2 5 6 9 9 4 7 1 3 8 2 ob3 5 4 1 2 6 3 9 7 2 81.3 factor（因子型向量） > vec2 vec3 df1 df1 var1 var2 1 B 94 2 A 83 3 A 72 4 C 25 5 B 100 6 A 98 7 C 57 > order(df1$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$var2),] var1 var2 3 A 72 2 A 83 6 A 98 1 B 94 5 B 100 4 C 25 7 C 572. sort(x, decreasing = FALSE) x 只能是一个向量（数值型，字符型，逻辑型，因子型均可） 返回的是排序后（默认是升序）的那个数值向量（还是那些数值，只不过是排序过了的） > vec1 vec1 [1] 94 83 72 25 100 98 57 69 29 45 > sort(vec1) [1] 25 29 45 57 69 72 83 94 98 100 > df1 var1 var2 1 B 94 2 A 83 3 A 72 4 C 25 5 B 100 6 A 98 7 C 57 > sort(df1$var1) [1] A A A B B C C Levels: A < B < C > sort(df1$var1,df1$var2) #只能是按照一个向量 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) 求秩的函数，x 只能是一个**向量（数值型，字符型，逻辑型）， 该向量一般不会有重复值，返回的是该向量中对应元素的“排名”，即元素顺序它不会改变，只是告诉你每个元素在整个向量中的名次（如果要排序（默认是升序）的话）。 > vec1 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如果向量有重复值，出现的结果会有些不太好处理 > df 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$var1) # var1有重复值 [1] 2.5 2.5 8.0 5.5 2.5 2.5 5.5 8.0 10.0 8.0 > rank(df$var2) # var2有重复值 [1] 9.5 9.5 8.0 7.0 6.0 5.0 4.0 3.0 2.0 1.0 > vec vec [1] 94 83 72 25 72 98 57 69 29 45 # 有重复值 > rank(vec) [1] 9.0 8.0 6.5 1.0 6.5 10.0 4.0 5.0 2.0 3.0 二，match（x，y)函数匹配两个向量，返回的是第一个向量 x中的各个元素在第二个向量 y中所匹配的元素的位置值（索引，下标值），即返回的是第二个向量的下标值组成的向量。 注意事项： 1. 返回的下标值向量的长度与第一个向量相等，即 length(x) == length(match(x,y)) 为 TRUE。 2. 第一个向量可以是只有一个元素的向量。 3. 两个向量的长度不一定要相等。 4. 返回的是 x中每个元素在y中的位置，可用来提取y中的元素，没有匹配上的会返回 NA。 拓展用法： y [match(x, y)]： x中 和y 相同的元素都是哪些，前提是x中的元素在y中都有（即x是y的子集），否则会返回 NA。（最好是用x[ x %in y]） y[-match(x, y)]： 找出 y里面有 x里面没有的数值，前提是x中的元素在y中都有（即x是y的子集），否则会报错。 > tmp 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) # 第一个向量只有一个元素 [1] 15 > match(c("Z","D"),tmp) [1] 26 4 > x x [1] "TRUE" "Z" "D" > y 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) #没有匹配上的会返回 NA [1] NA 26 4 > y[match(x,y)] #没有匹配上的会返回 NA [1] NA "Z" "D" > y[-match(x,y)] #会报错 Error in y[-match(x, y)] : only 0's may be mixed with negative subscripts当两个向量类型不一样时, match函数会进行类型转换，然后再匹配。 > a 数值型>逻辑型 > a [1] 1 1 0 > class(a) [1] "numeric" > b 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 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 1x %in% y 判断x中的元素是否都在y中，返回的是个长度和 x 一样的逻辑值向量，存在的话返回TRUE，否则返回FALSE。 sum(x %in% y)： 统计 x 中有多少个元素在y中，或者说 x 和 y 有几个相同元素 x[x %in% y]： x中 和y 相同的元素都是哪些 > x y x %in% y [1] TRUE TRUE TRUE FALSE > sum(x %in% y) # 统计 x 中有多少个元素在y中，或者说 x 和 y 有几个相同元素 [1] 3 > x[x %in% y] # x 和 y中有几个相同元素，都是哪些元素。 [1] "A" "Z" "D" |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |