为sort.data.frame创建通用/方法一致性的最佳方法是什么？

Question

我最终决定将流传于互联网上的 sort.data.frame 方法放入一个 R 包中。这个方法被要求的次数太多，不能再以临时发布的方式存在。

然而，它使用的参数与通用的 sort 函数不兼容：

sort(x,decreasing,...)
sort.data.frame(form,dat)

如果我将sort.data.frame更改为接受一个参数decreasing，并在sort.data.frame(form, decreasing, dat)中丢弃decreasing，那么它就失去了简单性，因为您总是必须指定dat=，而且不能真正使用位置参数。如果我像sort.data.frame(form,dat,decreasing)一样将其添加到末尾，那么顺序就与通用函数不匹配。如果我希望decreasing被包含在sort.data.frame(form,dat,...)中，那么当使用基于位置的匹配时，我认为通用函数将把第二个位置分配给decreasing并将其丢弃。如何协调这两个函数最好的方法是什么？

完整的功能如下：

# Sort a data frame
sort.data.frame <- function(form,dat){
# Author: Kevin Wright
# http://tolstoy.newcastle.edu.au/R/help/04/09/4300.html
# Some ideas from Andy Liaw
# http://tolstoy.newcastle.edu.au/R/help/04/07/1076.html
# Use + for ascending, - for decending.
# Sorting is left to right in the formula
# Useage is either of the following:
# sort.data.frame(~Block-Variety,Oats)
# sort.data.frame(Oats,~-Variety+Block)

# If dat is the formula, then switch form and dat
  if(inherits(dat,"formula")){
    f=dat
    dat=form
    form=f
  }
  if(form[[1]] != "~") {
    stop("Formula must be one-sided.")
  }
# Make the formula into character and remove spaces
  formc <- as.character(form[2])
  formc <- gsub(" ","",formc)
# If the first character is not + or -, add +
  if(!is.element(substring(formc,1,1),c("+","-"))) {
    formc <- paste("+",formc,sep="")
  }
# Extract the variables from the formula
  vars <- unlist(strsplit(formc, "[\\+\\-]"))
  vars <- vars[vars!=""] # Remove spurious "" terms
# Build a list of arguments to pass to "order" function
  calllist <- list()
  pos=1 # Position of + or -
  for(i in 1:length(vars)){
    varsign <- substring(formc,pos,pos)
    pos <- pos+1+nchar(vars[i])
    if(is.factor(dat[,vars[i]])){
      if(varsign=="-")
        calllist[[i]] <- -rank(dat[,vars[i]])
      else
        calllist[[i]] <- rank(dat[,vars[i]])
    }
    else {
      if(varsign=="-")
        calllist[[i]] <- -dat[,vars[i]]
      else
        calllist[[i]] <- dat[,vars[i]]
    }
  }
  dat[do.call("order",calllist),]
} 

例子：

library(datasets)
sort.data.frame(~len+dose,ToothGrowth)

- Ari B. Friedman

---

plyr包中的arrange函数可能会引起一些兴趣。 - joran

很遗憾，它似乎不支持负向（反向）排序，因此这个函数仍然很有用。 - Ari B. Friedman

我相当确定 arrange 支持负排序：arrange(ToothGrowth,desc(dose),len)。 - joran

使用plyr撰写了完整的答案 - 感谢@joran提供的示例！ - hadley

Answer 1

在 plyr 中使用 arrange 函数。它允许您单独选择哪些变量应按升序和降序排序：

arrange(ToothGrowth, len, dose)
arrange(ToothGrowth, desc(len), dose)
arrange(ToothGrowth, len, desc(dose))
arrange(ToothGrowth, desc(len), desc(dose))

它还具有优雅的实现：

arrange <- function (df, ...) {
  ord <- eval(substitute(order(...)), df, parent.frame())
  unrowname(df[ord, ])
}

而 desc 只是一个普通的函数：

desc <- function (x) -xtfrm(x)

如果你正在编写这种类型的函数，强烈建议阅读有关xtfrm的帮助文档。

- hadley

---

谢谢。这看起来准备好取代我的方法了。但我仍然很好奇如何使通用类及其方法保持一致，因为这对我来说经常会出现。此外，在语法上，sort（）方法似乎可以使其他数据类型的代码保持一致。 但这是非常漂亮的代码 :-) - Ari B. Friedman

"?arrange" 表示："＃注意：plyr函数不会保留行名称"。如果想要保留 row.names，这将使得这个优秀的函数变得次优。为什么不添加一个 keep.row.names=FALSE 选项呢？ - landroni

@landroni 因为我认为它们不是一个好主意——最好将它们作为显式变量添加。 - hadley

我明白了。但是对于大多数用户来说，这仍然是与data.frame相关的标准功能，给那些用户提供选择将会很有用。 - landroni

Answer 2

那里有一些问题。sort.data.frame需要与通用函数具有相同的参数，因此最少应该是这样的：

sort.data.frame(x, decreasing = FALSE, ...) {
....
}

为了使调度工作正常进行，第一个参数需要是被调度的对象。因此，我建议从以下代码开始：

```javascript ```

sort.data.frame(x, decreasing = FALSE, formula = ~ ., ...) {
....
}

其中 x 是您的数据，formula 是您的公式，我们提供了一个默认值，包括所有内容。 （我没有详细研究您的代码，以确定form表示什么。）

当然，在调用中您不需要指定decreasing参数，如下所示：

sort(ToothGrowth, formula = ~ len + dose)

如何使用上述规范调用函数。

否则，如果您不希望sort.data.frame成为S3通用函数，请将其命名为其他内容，然后您可以拥有任何参数。

- Gavin Simpson

---

使用部分匹配，写sort(ToothGrowth, f = ~ len + dose)并不会那么糟糕，这就是我这样做并保持其S3性质的原因。感谢您的建议。 - Ari B. Friedman

我们是否应该定义一个 sort.data.frame.formula，它将以公式作为第一个参数，如果在 Use.method 中未通过公式测试，则会分派到以第一个数据参数为参数的 sort.data.frame？（与 aggregate.* 的情况相同） - IRTFM

@DWin 您是指 sort.formula，对吗？ - Gavin Simpson

我在考虑让它回退到一个sort.data.frame.default方法或sort.dataframe，该方法将接受一个第一个参数作为数据框。 - IRTFM

Answer 3

我同意 @Gavin 的观点，x 必须放在第一位。不过我会把 decreasing 参数放在 formula 后面 - 因为它可能用得不多，而且几乎从不作为位置参数使用。

formula 参数会被更频繁地使用，因此应该是第二个参数。我也非常赞同 @Gavin 的看法，应该将其称为 formula，而不是 form。

sort.data.frame(x, formula = ~ ., decreasing = FALSE, ...) {
  ...
}

您可能想要扩展decreasing参数，以允许逻辑向量，其中每个TRUE/FALSE值对应于公式中的一列：

d <- data.frame(A=1:10, B=10:1)
sort(d, ~ A+B, decreasing=c(A=TRUE, B=FALSE)) # sort by decreasing A, increasing B

- Tommy

---

我希望公式参数在第二个位置，但我不确定是否可以这样做并仍然使其成为S3类。我希望根本没有“decreasing”，因为公式接受负参数，这意味着是递减的。 - Ari B. Friedman

@gsk3，“sort.int”仅将“decreasing = ...”作为第四个参数，因此我猜您可以将“formula = ...”作为第二个参数。我怀疑您也可以使用“decreasing = NULL”，并在代码中忽略此参数（就像“partial = TRUE”时“sort.int”忽略“decreasing”一样）。PS。所有这些都可以在“?sort”中找到。 - Andrie

@Andrie，即使您翻转顺序，因为decreasing在通用函数中命名第二，它仍会获取位置参数。所以很遗憾，这并没有帮助。 - Ari B. Friedman

@Andrie，sort.int不是sort的方法。也没有int类。您可以使用methods(sort)查看已实现的方法。 - Marek