有没有与Stata的'order'命令等效的R函数？

Question

在R中，“order”类似于Stata中的“sort”。这里有一个数据集的示例（仅列出变量名）：

v1 v2 v3 v4 v5 v6 v7 v8 v9 v10 v11 v12 v13 v14 v15 v16 v17 v18

以下是我期望的输出：

v1 v2 v3 v4 v5 v7 v8 v9 v10 v11 v12 v17 v18 v13 v14 v15 v6 v16

在R中，我有两种方法：

data <- data[,c(1:5,7:12,17:18,13:15,6,16)]

或者

names <- c("v1", "v2", "v3", "v4", "v5", "v7", "v8", "v9", "v10", "v11", "v12",  "v17", "v18", "v13", "v14", "v15", "v6", "v16")
data <- data[names]

为了在Stata中获得相同的输出，我需要运行两行代码：

order v17 v18, before(v13)
order v6 v16, last

在理想的数据中，我们可以了解我们想要处理的变量的位置。但在大多数实际情况下，我们会有像“年龄”、“性别”这样没有位置指示器的变量，并且在一个数据集中可能有50个以上的变量。这时，Stata 中的“order”优势就更加明显了。我们不需要知道变量的确切位置，只需要输入它的名称即可。

order age, after(gender)

在R中有基本的函数来处理这个问题吗，还是需要获取一个包？提前感谢。

tweetinfo <- data.frame(uid=1:50, mid=2:51, annotations=3:52, bmiddle_pic=4:53, created_at=5:54, favorited=6:55, geo=7:56, in_reply_to_screen_name=8:57, in_reply_to_status_id=9:58, in_reply_to_user_id=10:59, original_pic=11:60, reTweetId=12:61, reUserId=13:62, source=14:63, thumbnail_pic=15:64, truncated=16:65)
noretweetinfo <- data.frame(uid=21:50, mid=22:51, annotations=23:52, bmiddle_pic=24:53, created_at=25:54, favorited=26:55, geo=27:56, in_reply_to_screen_name=28:57, in_reply_to_status_id=29:58, in_reply_to_user_id=30:59, original_pic=31:60, reTweetId=32:61, reUserId=33:62, source=34:63, thumbnail_pic=35:64, truncated=36:65)
retweetinfo <- data.frame(uid=41:50, mid=42:51, annotations=43:52, bmiddle_pic=44:53, created_at=45:54, deleted=46:55, favorited=47:56, geo=48:57, in_reply_to_screen_name=49:58, in_reply_to_status_id=50:59, in_reply_to_user_id=51:60, original_pic=52:61, source=53:62, thumbnail_pic=54:63, truncated=55:64)
tweetinfo$type <- "ti"
noretweetinfo$type <- "nr"
retweetinfo$type <- "rt"
gtinfo <- rbind(tweetinfo, noretweetinfo)
gtinfo$deleted=""
gtinfo <- gtinfo[,c(1:16,18,17)]
retweetinfo <- transform(retweetinfo, reTweetId="", reUserId="")
retweetinfo <- retweetinfo[,c(1:5,7:12,17:18,13:15,6,16)]
gtinfo <- rbind(gtinfo, retweetinfo)
write.table(gtinfo, file="C:/gtinfo.txt", row.names=F, col.names=T, sep="\t", quote=F)
# rm(list=ls(all=T))

- leoce

---

为什么您想要对列进行排序？通常情况下，人们并不关心数据框（data.frame）中列（变量）的顺序，而只关心行（观测值）的顺序。 - Roland

...甚至行的顺序通常是多余的，除非观察结果有明显的顺序，例如在时间序列中。 - Paul Hiemstra

请用可重现代码的形式提出问题。这样做可以更轻松地完成，并且效果会更好。 - Roland

请阅读?rbind。如果传递给rbind的参数是数据框，则按名称匹配列而不是位置。无需对它们进行排序。 - Roland

回复@Roland的评论：这意味着（我认为）命令retweetinfo <- retweetinfo[,c(1:5,7:12,17:18,13:15,6,16)]是完全不必要的... - Ben Bolker

Answer 1

因为我在拖延并尝试不同的事情，所以我写了一个函数。最终，它取决于append：

moveme <- function(invec, movecommand) {
  movecommand <- lapply(strsplit(strsplit(movecommand, ";")[[1]], ",|\\s+"), 
                        function(x) x[x != ""])
  movelist <- lapply(movecommand, function(x) {
    Where <- x[which(x %in% c("before", "after", "first", "last")):length(x)]
    ToMove <- setdiff(x, Where)
    list(ToMove, Where)
  })
  myVec <- invec
  for (i in seq_along(movelist)) {
    temp <- setdiff(myVec, movelist[[i]][[1]])
    A <- movelist[[i]][[2]][1]
    if (A %in% c("before", "after")) {
      ba <- movelist[[i]][[2]][2]
      if (A == "before") {
        after <- match(ba, temp)-1
      } else if (A == "after") {
        after <- match(ba, temp)
      }    
    } else if (A == "first") {
      after <- 0
    } else if (A == "last") {
      after <- length(myVec)
    }
    myVec <- append(temp, values = movelist[[i]][[1]], after = after)
  }
  myVec
}

以下是代表数据集名称的示例数据：

x <- paste0("v", 1:18)

现在假设我们想要先获取"v17"和"v18"，然后才是"v3"、"v6"和"v16"，最后是"v5":

moveme(x, "v17, v18 before v3; v6, v16 last; v5 first")
#  [1] "v5"  "v1"  "v2"  "v17" "v18" "v3"  "v4"  "v7"  "v8"  "v9"  "v10" "v11" "v12"
# [14] "v13" "v14" "v15" "v6"  "v16"

因此，显而易见的用法是针对一个名为“df”的data.frame：

df[moveme(names(df), "how you want to move the columns")]

对于一个名为“DT”的data.table（正如@mnel指出的那样，这将更具内存效率）：

setcolorder(DT, moveme(names(DT), "how you want to move the columns"))

---

请注意，复合移动由分号指定。

已识别的移动方式包括：

• before（将指定的列移动到另一个命名列之前）
• after（将指定的列移动到另一个命名列之后）
• first（将指定的列移动到第一位置）
• last（将指定的列移动到最后位置）

- A5C1D2H2I1M1N2O1R2T1

Answer 2

我明白你的问题。我现在有代码可以提供：

move <- function(data,variable,before) {
  m <- data[variable]
  r <- data[names(data)!=variable]
  i <- match(before,names(data))
  pre <- r[1:i-1]
  post <- r[i:length(names(r))]
  cbind(pre,m,post)
}

# Example.
library(MASS)
data(painters)
str(painters)

# Move 'Expression' variable before 'Drawing' variable.
new <- move(painters,"Expression","Drawing")
View(new)

- Fr.

---

这是一种非常创新的思维方式，将数据分成三部分。现在它可能无法解决多变量重定位的问题，但我们可以进一步发展这种方法。非常感谢。 - leoce

请注意，这种方法不高效，对于大型数据集或循环内部应避免使用。 - Roland

@Roland，仅仅按变量顺序的原则是低效的，但我发现它就像变量名一样，有时需要进行修复。 - Fr.

@leoce 如果你需要的话，可以将函数的variable参数设置为变量向量：将r变量更改为data [！（names（data）％in％variable）]。 - Fr.

@Fr. 不，我的意思是你的函数不够高效。特别是，分割数据框和cbinding是低效的操作，在这里可以避免使用。 - Roland

Answer 3

您可以编写自己的函数来完成这个任务。

下面的语句将使用类似于 stata 的语法为您的列名提供新的顺序：

- `where` 是一个命名列表，有 4 种可能性： - `list(last = T)` - `list(first = T)` - `list(before = x)` 其中 `x` 是要查询的变量名 - `list(after = x)` 其中 `x` 是要查询的变量名

- `sorted = T` 将按字典顺序（一种“字母顺序”和“序数”组合的方式）对 `var_list` 进行排序。

此函数仅对名称进行操作（一旦将 `data.frame` 对象作为 `data` 传递后），并返回重新排列的名称列表。

例如：

stata.order <- function(var_list, where, sorted = F, data) {
    all_names = names(data)
    # are all the variable names in
    check <- var_list %in% all_names
    if (any(!check)) {
        stop("Not all variables in var_list exist within  data")
    }
    if (names(where) == "before") {
        if (!(where %in% all_names)) {
            stop("before variable not in the data set")
        }
    }
    if (names(where) == "after") {
        if (!(where %in% all_names)) {
            stop("after variable not in the data set")
        }
    }

    if (sorted) {
        var_list <- sort(var_list)
    }
    where_in <- which(all_names %in% var_list)
    full_list <- seq_along(data)
    others <- full_list[-c(where_in)]

    .nwhere <- names(where)
    if (!(.nwhere %in% c("last", "first", "before", "after"))) {
        stop("where must be a list of a named element first, last, before or after")
    }

    do_what <- switch(names(where), last = length(others), first = 0, before = which(all_names[others] == 
        where) - 1, after = which(all_names[others] == where))

    new_order <- append(others, where_in, do_what)
    return(all_names[new_order])
}

tmp <- as.data.frame(matrix(1:100, ncol = 10))

stata.order(var_list = c("V2", "V5"), where = list(last = T), data = tmp)

##  [1] "V1"  "V3"  "V4"  "V6"  "V7"  "V8"  "V9"  "V10" "V2"  "V5" 

stata.order(var_list = c("V2", "V5"), where = list(first = T), data = tmp)

##  [1] "V2"  "V5"  "V1"  "V3"  "V4"  "V6"  "V7"  "V8"  "V9"  "V10"

stata.order(var_list = c("V2", "V5"), where = list(before = "V6"), data = tmp)

##  [1] "V1"  "V3"  "V4"  "V2"  "V5"  "V6"  "V7"  "V8"  "V9"  "V10"

stata.order(var_list = c("V2", "V5"), where = list(after = "V4"), data = tmp)

##  [1] "V1"  "V3"  "V4"  "V2"  "V5"  "V6"  "V7"  "V8"  "V9"  "V10"

# throws an error
stata.order(var_list = c("V2", "V5"), where = list(before = "v11"), data = tmp)

## Error: before variable not in the data set

如果您想进行内存高效的重新排序(通过引用，而不是复制)，请使用data.table

DT <- data.table(tmp)
# sets by reference, no copying
setcolorder(DT, stata.order(var_list = c("V2", "V5"), where = list(after = "V4"), 
    data = DT))

DT

##     V1 V3 V4 V2 V5 V6 V7 V8 V9 V10
##  1:  1 21 31 11 41 51 61 71 81  91
##  2:  2 22 32 12 42 52 62 72 82  92
##  3:  3 23 33 13 43 53 63 73 83  93
##  4:  4 24 34 14 44 54 64 74 84  94
##  5:  5 25 35 15 45 55 65 75 85  95
##  6:  6 26 36 16 46 56 66 76 86  96
##  7:  7 27 37 17 47 57 67 77 87  97
##  8:  8 28 38 18 48 58 68 78 88  98
##  9:  9 29 39 19 49 59 69 79 89  99
## 10: 10 30 40 20 50 60 70 80 90 100

- mnel

Answer 4

包dplyr和函数dplyr::relocate是在dplyr 1.0.0中引入的一个新动词，它可以完美地实现您所需的功能。

library(dplyr)

data %>% relocate(v17, v18, .before = v13)

data %>% relocate(v6, v16, .after = last_col())

data %>% relocate(age, .after = gender)

- Arthur Yip

Answer 5

这应该会给你相同的文件：

#snip
gtinfo <- rbind(tweetinfo, noretweetinfo)
gtinfo$deleted=""
retweetinfo <- transform(retweetinfo, reTweetId="", reUserId="")
gtinfo <- rbind(gtinfo, retweetinfo)
gtinfo <-gtinfo[,c(1:16,18,17)]
#snip

在R中实现类似Strata的order函数是可能的，但我认为需求不是很大。

- Roland

---

嗯，这对于所有人来说并不是一个大问题，有兴趣的人可以去了解一下。 - leoce

@leoce 我的观点是，你只对此感兴趣，是因为你还是R的新手并且是从Stata转来的。我在我的回答中说明了，你不需要用排序来使你的代码凌乱。事实上，你只需要进行一次排序，那也只是因为你想要在输出文件中得到特定的顺序。 - Roland

你说得对，gtinfo <-gtinfo[,c(1:16,18,17)] 最后比我用两行代码 c(1:5,7:12,17:18,13:15,6,16) 好。但你不能否认在 R 中没有这样的基本函数来调整列顺序。我不能 rbind 它并告诉我的老板“看，软件会自动排序，你最好习惯它”。 - leoce

我不明白。您可以使用上面显示的基本功能进行排序。如果您不想使用索引，也可以使用列名，可能需要使用 subset。 - Roland

数据 <- 数据[,c("A", "C", "B")] 或者 数据 <- 数据[,c(1,3,2)] 或者 数据 <- subset(数据, select=c(1,3,2))，这些都可以正常工作。但是如果我有50个或更多列，我必须手动键入所有列名或查找对象和目标的列号。 - leoce

Answer 6

你的意图非常不清楚，但是根据你的第一句话，我猜你想对数据集进行排序。

实际上，有一个内置的order函数，它会返回排序后的序列的索引。你是在找这个吗？

> x <- c(3,2,1)

> order(x)
[1] 3 2 1

> x[order(x)]
[1] 1 2 3

- rlegendi

---

这是我最不想做的事情——整理数据。在Stata中，“Order”意味着另一件事，使用过它的人可以理解。 - leoce