logo标签列表

如何在R中按组对列进行排序

r
14

我有一个数据框（假设为"df"），看起来像下面这样：

Hospital.Name | State | Mortality.Rate
'hospital_1'   | 'AA'  | 0.2
'hospital_2'   | 'AA'   | 0.3
'hospital_3'   | 'BB'  | 0.3
'hospital_4'   | 'CC'  | 0.5

（医院名称是唯一的）

现在我想按“州”对“死亡率”分组排序，即对某个州内的比率进行排序。如果比率相同，则使用“医院名称”来解决并列。

我想到了“order()”和“tapply()”函数。我编写的代码如下：

tapply(df$Mortality.Rate, df$State, order, df$Hospital.Name, na.last=NA)

然而，出现了一个错误“argument length differ”。当将“Rate”切片应用于“order”函数时，order的第二个参数（即df $Hospital.Name）没有被切片。

我该如何将第二个参数（用于解决排序中的平局）传递给tapply（）或是否有其他方法？

6个回答
16

在基础R中，您可以向order()提供多个参数，并使用后续参数来打破较早变量中的平局，例如：

df[order(df$State,df$Mortality.Rate,df$Hospital.Name),]
1
不需要在 Mortality.Rate 周围加引号。 - Konrad Rudolph
“Hospital.Name 部分在哪里？” - David Arenburg
@Jthorpe 没错，但这是一种“货物崇拜编程”（cargo cult programming）的形式。 - Konrad Rudolph
@KonradRudolph 我只是懒得去掉我从 OP 复制/粘贴的引号，而不是试图解决引号问题... - Jthorpe
我花了一些时间才明白。这是一个不错且清晰的解决方案。谢谢。 - Zelong
10

你可以在 dplyr 中完成它：

df %>% group_by(State) %>% arrange(Mortality.Rate, Hospital.Name)
非常感谢。但是在找到解决方案时，我需要坚持使用基本的R语言（很抱歉在我的问题中没有提到这一点）。我会看一下这个包。谢谢。 - Zelong
4

您可以使用dplyr来完成此操作。首先，提供一些示例数据：

library("dplyr")
hospital_name <- sample(c("hospital_1", "hospital_2", "hospital_3"), 10,
                        replace = TRUE)
state <- sample(letters[1:3], 10, replace = TRUE)
mortality_rate <- runif(10)

df <- data_frame(hospital_name, state, mortality_rate)

按州分组，然后按列排列。

df %>% 
  group_by(state) %>% 
  arrange(mortality_rate, hospital_name)

生成这样的结果，其中各州被分组，每个州内的死亡率被排序。
## Source: local data frame [10 x 3]
## Groups: state
## 
##    hospital_name state mortality_rate
## 1     hospital_1     b     0.15293591
## 2     hospital_1     b     0.37417167
## 3     hospital_1     b     0.54561856
## 4     hospital_3     c     0.02487033
## 5     hospital_1     c     0.09937557
## 6     hospital_1     c     0.35666087
## 7     hospital_3     c     0.39663460
## 8     hospital_2     c     0.53064144
## 9     hospital_3     c     0.76015632
## 10    hospital_3     c     0.76801890

如果没有 group_by()，你只会得到从最小到最大的死亡率：

df %>%
  arrange(mortality_rate)

## Source: local data frame [10 x 3]
## 
##    hospital_name state mortality_rate
## 1     hospital_3     c     0.02487033
## 2     hospital_1     c     0.09937557
## 3     hospital_1     b     0.15293591
## 4     hospital_1     c     0.35666087
## 5     hospital_1     b     0.37417167
## 6     hospital_3     c     0.39663460
## 7     hospital_2     c     0.53064144
## 8     hospital_1     b     0.54561856
## 9     hospital_3     c     0.76015632
## 10    hospital_3     c     0.76801890
2
这里的答案与@jalapic类似。我不知道是否需要group_by，arrange(df, State, Hospital.Name, Mortality.Rate)。 - akrun
是的，需要使用 group_by 来在各个状态内进行排序，而不是整个数据框中进行排序。请参阅 ?dplyr::group_by。 - Lincoln Mullen
1
你能展示一些例子来说明这个会有不同吗？我尝试了你的一个例子，使用了 set.seed(24)。使用或不使用 groupby 得到了相同的输出。 - akrun
根据您的建议编辑了答案。 - Lincoln Mullen
1
我认为如果操作者只需要排序，仅使用“arrange”会更快。 - akrun
显示剩余2条评论
3
如果我们已经在加载指定操作的包，这里有一个（data.table）包，可以通过使用setorder或setkey函数，按引用对数据进行排序（而无需复制它并使用<-）。
library(data.table)
setorder(setDT(df), State, Mortality.Rate, Hospital.Name)

虽然你可以模仿基本的R语法，在创建副本时对数据进行排序（但速度会更快，因为 data.table在幕后调用了其forder函数）。

setDT(df)[order(State, Mortality.Rate, Hospital.Name)]
如何在订购时以组列作为参考？ - Paulo E. Cardoso
1
1
这不是和@Jthorpe的答案类似吗？ - akrun
就像akrun所说的那样，还有Hospital.Name部分在哪里？ - David Arenburg
0

给变量"result"赋值。同时假设您想找到每个州的平均死亡率

result <- df %<%
                 arrange(Mortality.Rate) %<%
                 order_by(State) %<%
                 summarize(mean(Mortality.Rate)
view(result)
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接