data.frame을 여러 열로 정렬하고 싶습니다. 예를 들어 아래의 data.frame을 사용하면 z열 b(오름차순) , 열 (오름차순) 별로 정렬하고 싶습니다 .
dd <- data.frame(b = factor(c("Hi", "Med", "Hi", "Low"),
levels = c("Low", "Med", "Hi"), ordered = TRUE),
x = c("A", "D", "A", "C"), y = c(8, 3, 9, 9),
z = c(1, 1, 1, 2))
dd
b x y z
1 Hi A 8 1
2 Med D 3 1
3 Hi A 9 1
4 Low C 9 2답변:
order()애드온 툴에 의존하지 않고 함수를 직접 사용할 수 있습니다 . example(order)코드 상단에서 트릭을 사용하는 간단한 답변을 참조하십시오 .
R> dd[with(dd, order(-z, b)), ]
b x y z
4 Low C 9 2
2 Med D 3 1
1 Hi A 8 1
3 Hi A 9 1약 2 년 후에 편집 : 방금 인덱스로이를 수행하는 방법을 묻습니다. 답은 단순히 원하는 정렬 열을 order()함수에 전달하는 것입니다.
R> dd[order(-dd[,4], dd[,1]), ]
b x y z
4 Low C 9 2
2 Med D 3 1
1 Hi A 8 1
3 Hi A 9 1
R> 열 이름을 사용하는 대신 (보다 with()쉽고 직접적인 액세스).
with. 시도 M <- matrix(c(1,2,2,2,3,6,4,5), 4, 2, byrow=FALSE, dimnames=list(NULL, c("a","b")))행렬을 생성 M한 후, 사용 M[order(M[,"a"],-M[,"b"]),]이 열을 주문할 수 있습니다.
dd[ order(-dd[,4], dd[,1]), ]하지만 with이름 기반 하위 설정 에는 사용할 수 없습니다 .
xtfrm예를 들어 열을 감싸서 해결하십시오 dd[ order(-xtfrm(dd[,4]), dd[,1]), ].
order ...에서 basearrange ...에서 dplyrsetorder과 setorderv에서data.tablearrange ...에서 plyrsort ...에서 taRifxorderBy ...에서 doBysortData ...에서 Deducer의존성이없는 것이 중요하지 않은 한 대부분의 경우 dplyr또는 data.table솔루션을 사용해야 base::order합니다.
최근에 sort.data.frame을 CRAN 패키지에 추가하여 다음과 같이 클래스를 호환 가능하게 만들었습니다. sort.data.frame의 일반 / 방법 일관성을 만드는 가장 좋은 방법은 무엇입니까?
따라서 data.frame dd가 주어지면 다음과 같이 정렬 할 수 있습니다.
dd <- data.frame(b = factor(c("Hi", "Med", "Hi", "Low"),
levels = c("Low", "Med", "Hi"), ordered = TRUE),
x = c("A", "D", "A", "C"), y = c(8, 3, 9, 9),
z = c(1, 1, 1, 2))
library(taRifx)
sort(dd, f= ~ -z + b )이 기능의 원저자 중 하나 인 경우 저에게 연락하십시오. 공개 도메인에 대한 토론은 여기에 있습니다 : http://chat.stackoverflow.com/transcript/message/1094290#1094290
Hadley가 위의 스레드에서 지적한 것처럼 arrange()함수를 사용할 수도 있습니다 plyr.
library(plyr)
arrange(dd,desc(z),b)벤치 마크 : 많은 충돌이 있었으므로 새 R 세션에서 각 패키지를로드했습니다. 특히 doBy 패키지를로드하면 sort"다음 객체가 'x (위치 17)'에서 마스크됩니다 : b, x, y, z"가 반환되고 Deducer 패키지를로드하면 sort.data.frameKevin Wright 또는 taRifx 패키지에서 덮어 씁니다 .
#Load each time
dd <- data.frame(b = factor(c("Hi", "Med", "Hi", "Low"),
levels = c("Low", "Med", "Hi"), ordered = TRUE),
x = c("A", "D", "A", "C"), y = c(8, 3, 9, 9),
z = c(1, 1, 1, 2))
library(microbenchmark)
# Reload R between benchmarks
microbenchmark(dd[with(dd, order(-z, b)), ] ,
dd[order(-dd$z, dd$b),],
times=1000
)평균 시간 :
dd[with(dd, order(-z, b)), ] 778
dd[order(-dd$z, dd$b),] 788
library(taRifx)
microbenchmark(sort(dd, f= ~-z+b ),times=1000)평균 시간 : 1,567
library(plyr)
microbenchmark(arrange(dd,desc(z),b),times=1000)평균 시간 : 862
library(doBy)
microbenchmark(orderBy(~-z+b, data=dd),times=1000)평균 시간 : 1,694
doBy는 패키지를로드하는 데 약간의 시간이 걸립니다.
library(Deducer)
microbenchmark(sortData(dd,c("z","b"),increasing= c(FALSE,TRUE)),times=1000)Deducer를로드하지 못했습니다. JGR 콘솔이 필요합니다.
esort <- function(x, sortvar, ...) {
attach(x)
x <- x[with(x,order(sortvar,...)),]
return(x)
detach(x)
}
microbenchmark(esort(dd, -z, b),times=1000)부착 / 분리로 인해 마이크로 벤치 마크와 호환되지 않는 것 같습니다.
m <- microbenchmark(
arrange(dd,desc(z),b),
sort(dd, f= ~-z+b ),
dd[with(dd, order(-z, b)), ] ,
dd[order(-dd$z, dd$b),],
times=1000
)
uq <- function(x) { fivenum(x)[4]}
lq <- function(x) { fivenum(x)[2]}
y_min <- 0 # min(by(m$time,m$expr,lq))
y_max <- max(by(m$time,m$expr,uq)) * 1.05
p <- ggplot(m,aes(x=expr,y=time)) + coord_cartesian(ylim = c( y_min , y_max ))
p + stat_summary(fun.y=median,fun.ymin = lq, fun.ymax = uq, aes(fill=expr))
(선은 사분 위에서 사분 위로 이어지고 점은 중앙값입니다)
이러한 결과를 감안할 때 단순 비교 속도를 무게, 나는에 고개를 끄덕 제공해야 할 것 arrange에 plyr패키지 . 간단한 구문을 가지고 있지만 복잡한 기계 가공을 사용하는 기본 R 명령만큼이나 빠릅니다. 일반적으로 훌륭한 Hadley Wickham이 작업합니다. 그것에 대한 유일한 견해는 정렬 객체가 호출되는 표준 R 명명법을 위반한다는 것입니다 sort(object).하지만 위의 질문에서 논의 된 문제로 인해 Hadley가 왜 그렇게했는지 이해합니다.
taRifx::autoplot.microbenchmark.
b는 샘플 에서 어떻게 정렬 되는지 봅니다 . 기본값은 오름차순으로 정렬되므로로 묶지 마십시오 desc. 둘 다 오름차순 : arrange(dd,z,b). 둘 다 내림차순 : arrange(dd,desc(z),desc(b)).
?arrange: "# 참고 : plyr 기능 row.names을 유지하지 않습니다." 이것은 arrange()유지하려는 경우 우수한 기능을 차선책으로 만듭니다 row.names.
더크의 대답은 훌륭합니다. 또한 data.frames 및 data.tables 를 인덱싱하는 데 사용되는 구문의 주요 차이점을 강조합니다 .
## The data.frame way
dd[with(dd, order(-z, b)), ]
## The data.table way: (7 fewer characters, but that's not the important bit)
dd[order(-z, b)]두 통화의 차이는 작지만 중요한 결과를 초래할 수 있습니다. 특히 생산 코드를 작성하거나 연구의 정확성에 관심이있는 경우 변수 이름의 불필요한 반복을 피하는 것이 가장 좋습니다. data.table
이렇게 도와줍니다.
다음은 변수 이름의 반복으로 인해 문제가 발생할 수있는 예입니다.
Dirk의 답변에서 컨텍스트를 변경하고 이것이 많은 객체 이름이 있고 길고 의미있는 더 큰 프로젝트의 일부라고 가정 해 봅시다. 대신 dd이라고 quarterlyreport합니다. 그것은된다 :
quarterlyreport[with(quarterlyreport,order(-z,b)),]알았어 괜찮아. 아무 문제가 없습니다. 다음으로 상사는 보고서에 지난 분기의 보고서를 포함하도록 요청합니다. 코드를 통해 lastquarterlyreport다양한 장소에 객체 를 추가 하고 어떻게 든 지구상에서 어떻게해야합니까?
quarterlyreport[with(lastquarterlyreport,order(-z,b)),]그것은 당신이 의미하는 것이 아니지만 당신이 그것을 빨리하고 비슷한 코드의 페이지에 중첩되어 있기 때문에 그것을 발견하지 못했습니다. R은 그것이 당신이 의도 한 것이라고 생각하기 때문에 코드가 넘어지지 않습니다 (경고 및 오류 없음). 보고서를 읽는 사람이 그것을 발견하길 바라지 만 그렇지 않을 수도 있습니다. 프로그래밍 언어를 많이 사용한다면이 상황은 모두에게 익숙 할 것입니다. 당신이 말할 "오타"였습니다. 상사에게 말할 "오타"를 고칠 게요.
data.table우리는 이와 같은 작은 세부 사항에 대해 걱정하고 있습니다. 따라서 변수 이름을 두 번 입력하지 않도록 간단한 작업을 수행했습니다. 매우 간단한 것. 이미 자동으로 i프레임 내에서 평가 dd됩니다. 당신은 전혀 필요하지 않습니다 with().
대신에
dd[with(dd, order(-z, b)), ]그냥
dd[order(-z, b)]그리고 대신
quarterlyreport[with(lastquarterlyreport,order(-z,b)),]그냥
quarterlyreport[order(-z,b)]그것은 아주 작은 차이이지만, 하루 만에 목을 구할 수도 있습니다. 이 질문에 대한 다른 답변을 계량 할 때 결정의 기준 중 하나로 변수 이름의 반복을 계산하는 것을 고려하십시오. 일부 답변은 반복이 많고 다른 답변은 없습니다.
subset()단일 호출 내에서 동일한 객체를 반복적으로 참조하지 않아도됩니다.
setorder이 스레드가 모든 order유형의 속임수를 보내는 위치이므로 여기에 새로운 기능을 추가 할 수 있다고 생각합니다 .
여기에는 훌륭한 답변이 많이 있지만 dplyr 은 빠르고 쉽게 기억할 수있는 유일한 구문을 제공합니다 (따라서 매우 자주 사용).
library(dplyr)
# sort mtcars by mpg, ascending... use desc(mpg) for descending
arrange(mtcars, mpg)
# sort mtcars first by mpg, then by cyl, then by wt)
arrange(mtcars , mpg, cyl, wt)OP의 문제 :
arrange(dd, desc(z), b)
b x y z
1 Low C 9 2
2 Med D 3 1
3 Hi A 8 1
4 Hi A 9 1dd[order(-z, b)]사용하기 쉽고 기억하기 쉽습니다.
data.table큰 기여를 R합니다. 나는이 경우에 하나의 적은 괄호 세트 (또는 하나의 더 적은 유형의 괄호)를 가짐으로써인지 부하를 거의 인식 할 수없는 양만큼 줄인다고 생각합니다.
arrange()완전히 선언적 이라는 사실에 달려 dd[order(-z, b)]있습니다.
R 패키지 data.table는 간단한 구문으로 Matt. 빠른 속도 와 메모리 효율적인 data.tables 순서를 제공 합니다 (Mat가 그의 대답에서 아주 잘 강조 표시 했습니다 ). 그 이후로 많은 개선과 새로운 기능이 setorder()있었습니다. 에서 v1.9.5+, setorder()또한 작동 data.frames .
먼저 충분히 큰 데이터 세트를 만들고 다른 답변에서 언급 한 다양한 방법을 벤치마킹 한 다음 data.table 의 기능을 나열 합니다.
require(plyr)
require(doBy)
require(data.table)
require(dplyr)
require(taRifx)
set.seed(45L)
dat = data.frame(b = as.factor(sample(c("Hi", "Med", "Low"), 1e8, TRUE)),
x = sample(c("A", "D", "C"), 1e8, TRUE),
y = sample(100, 1e8, TRUE),
z = sample(5, 1e8, TRUE),
stringsAsFactors = FALSE)보고 된 타이밍은 system.time(...)아래에 표시된 이러한 기능 에서 실행 된 것입니다. 타이밍은 가장 느리거나 빠른 순서로 아래에 표로 표시되어 있습니다.
orderBy( ~ -z + b, data = dat) ## doBy
plyr::arrange(dat, desc(z), b) ## plyr
arrange(dat, desc(z), b) ## dplyr
sort(dat, f = ~ -z + b) ## taRifx
dat[with(dat, order(-z, b)), ] ## base R
# convert to data.table, by reference
setDT(dat)
dat[order(-z, b)] ## data.table, base R like syntax
setorder(dat, -z, b) ## data.table, using setorder()
## setorder() now also works with data.frames
# R-session memory usage (BEFORE) = ~2GB (size of 'dat')
# ------------------------------------------------------------
# Package function Time (s) Peak memory Memory used
# ------------------------------------------------------------
# doBy orderBy 409.7 6.7 GB 4.7 GB
# taRifx sort 400.8 6.7 GB 4.7 GB
# plyr arrange 318.8 5.6 GB 3.6 GB
# base R order 299.0 5.6 GB 3.6 GB
# dplyr arrange 62.7 4.2 GB 2.2 GB
# ------------------------------------------------------------
# data.table order 6.2 4.2 GB 2.2 GB
# data.table setorder 4.5 2.4 GB 0.4 GB
# ------------------------------------------------------------data.table의 DT[order(...)]구문은 다른 방법 중 가장 빠른 방법 ( ~) 보다 ~ 10 배 빠르지 만와dplyr 같은 양의 메모리를 소비합니다 dplyr.
data.table'들 setorder()이었다 ~ 14 배 빠른 다른 방법 (가장 빠른보다는 dplyr하면서,) 단지 0.4GB 추가 메모리를 . dat이제 우리가 요구하는 순서대로되어 있습니다 (참조에 의해 업데이트 됨).
속도:
data.table 의 순서는 기수 순서를 구현하기 때문에 매우 빠릅니다 .
구문 DT[order(...)]은 data.table 의 빠른 순서도 사용하도록 내부적으로 최적화 됩니다. 친숙한 기본 R 구문을 계속 사용하면서 프로세스 속도를 높이고 메모리를 적게 사용할 수 있습니다.
기억:
시간의 대부분은, 우리는 원래 필요하지 않습니다 data.frame 또는 data.table 재정렬 후를. 즉, 일반적으로 결과를 동일한 객체에 다시 할당합니다. 예를 들면 다음과 같습니다.
DF <- DF[order(...)]문제는 원본 객체의 메모리에 최소 두 배 (2x)의 메모리가 필요하다는 것입니다. 로 메모리 효율 , data.table 때문에 또한 기능을 제공합니다 setorder().
setorder()추가 사본을 만들지 않고 data.tables by reference ( in-place )를 재정렬 합니다. 하나의 열 크기와 동일한 추가 메모리 만 사용합니다.
다른 특징들:
그것은 지원 integer, logical, numeric, character심지어 bit64::integer64유형.
하는 것으로
factor,Date,POSIXct등의 클래스는 모두integer/numeric유형 추가 속성을 아래에 따라서도 지원됩니다.
기수 R에서는 -문자형 벡터를 사용 하여 해당 열을 기준으로 내림차순으로 정렬 할 수 없습니다 . 대신 우리는를 사용해야 -xtfrm(.)합니다.
그러나에 data.table , 우리는 단지 예를 들어, 수행 할 수 있습니다 dat[order(-x)]또는 setorder(dat, -x).
R Wiki의 팁 섹션에 게시 된 Kevin Wright의이 (매우 유용한) 기능을 사용하면 쉽게 달성 할 수 있습니다.
sort(dd,by = ~ -z + b)
# b x y z
# 4 Low C 9 2
# 2 Med D 3 1
# 1 Hi A 8 1
# 3 Hi A 9 1SQL이 자연스럽게 제공되면 sqldf패키지는 ORDER BYCodd가 의도 한대로 처리합니다 .
프로그래밍 방식으로 정렬하는 방법에 대해 OP에 추가 된 의견에 대한 답변 :
사용 dplyr하여data.table
library(dplyr)
library(data.table)에 arrange_대한 표준 평가 버전 인을 사용하십시오 arrange.
df1 <- tbl_df(iris)
#using strings or formula
arrange_(df1, c('Petal.Length', 'Petal.Width'))
arrange_(df1, ~Petal.Length, ~Petal.Width)
Source: local data frame [150 x 5]
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
(dbl) (dbl) (dbl) (dbl) (fctr)
1 4.6 3.6 1.0 0.2 setosa
2 4.3 3.0 1.1 0.1 setosa
3 5.8 4.0 1.2 0.2 setosa
4 5.0 3.2 1.2 0.2 setosa
5 4.7 3.2 1.3 0.2 setosa
6 5.4 3.9 1.3 0.4 setosa
7 5.5 3.5 1.3 0.2 setosa
8 4.4 3.0 1.3 0.2 setosa
9 5.0 3.5 1.3 0.3 setosa
10 4.5 2.3 1.3 0.3 setosa
.. ... ... ... ... ...
#Or using a variable
sortBy <- c('Petal.Length', 'Petal.Width')
arrange_(df1, .dots = sortBy)
Source: local data frame [150 x 5]
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
(dbl) (dbl) (dbl) (dbl) (fctr)
1 4.6 3.6 1.0 0.2 setosa
2 4.3 3.0 1.1 0.1 setosa
3 5.8 4.0 1.2 0.2 setosa
4 5.0 3.2 1.2 0.2 setosa
5 4.7 3.2 1.3 0.2 setosa
6 5.5 3.5 1.3 0.2 setosa
7 4.4 3.0 1.3 0.2 setosa
8 4.4 3.2 1.3 0.2 setosa
9 5.0 3.5 1.3 0.3 setosa
10 4.5 2.3 1.3 0.3 setosa
.. ... ... ... ... ...
#Doing the same operation except sorting Petal.Length in descending order
sortByDesc <- c('desc(Petal.Length)', 'Petal.Width')
arrange_(df1, .dots = sortByDesc)자세한 정보는 여기 : https://cran.r-project.org/web/packages/dplyr/vignettes/nse.html
식을 평가하기 위해 환경을 캡처하기 때문에 수식을 사용하는 것이 좋습니다.
dt1 <- data.table(iris) #not really required, as you can work directly on your data.frame
sortBy <- c('Petal.Length', 'Petal.Width')
sortType <- c(-1, 1)
setorderv(dt1, sortBy, sortType)
dt1
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1: 7.7 2.6 6.9 2.3 virginica
2: 7.7 2.8 6.7 2.0 virginica
3: 7.7 3.8 6.7 2.2 virginica
4: 7.6 3.0 6.6 2.1 virginica
5: 7.9 3.8 6.4 2.0 virginica
---
146: 5.4 3.9 1.3 0.4 setosa
147: 5.8 4.0 1.2 0.2 setosa
148: 5.0 3.2 1.2 0.2 setosa
149: 4.3 3.0 1.1 0.1 setosa
150: 4.6 3.6 1.0 0.2 setosa나는 order다음 예제를 통해 배우고 오랫동안 나를 혼란스럽게했다.
set.seed(1234)
ID = 1:10
Age = round(rnorm(10, 50, 1))
diag = c("Depression", "Bipolar")
Diagnosis = sample(diag, 10, replace=TRUE)
data = data.frame(ID, Age, Diagnosis)
databyAge = data[order(Age),]
databyAge이 예제가 작동하는 유일한 이유는 에서 이름이 지정된 열 이 아니라을 기준 order으로 정렬 하기 때문 입니다 .vector AgeAgedata frame data
이를 확인하려면 read.table약간 다른 열 이름을 사용하고 위의 벡터를 사용하지 않고 동일한 데이터 프레임을 만듭니다 .
my.data <- read.table(text = '
id age diagnosis
1 49 Depression
2 50 Depression
3 51 Depression
4 48 Depression
5 50 Depression
6 51 Bipolar
7 49 Bipolar
8 49 Bipolar
9 49 Bipolar
10 49 Depression
', header = TRUE)order이름이 지정된 벡터가 없으므로 위의 라인 구조는 더 이상 작동하지 않습니다 age.
databyage = my.data[order(age),]다음 줄은 때문에 작동 order열에 종류 age에서 my.data.
databyage = my.data[order(my.data$age),]나는이 예제에 의해 얼마나 오랫동안 혼란스러워했는지 게시 할 가치가 있다고 생각했습니다. 이 게시물이 스레드에 적합하지 않은 것으로 판단되면 제거 할 수 있습니다.
편집 : 2014 년 5 월 13 일
다음은 열 이름을 지정하지 않고 모든 열을 기준으로 데이터 프레임을 정렬하는 일반적인 방법입니다. 아래 코드는 왼쪽에서 오른쪽으로 또는 오른쪽에서 왼쪽으로 정렬하는 방법을 보여줍니다. 모든 열이 숫자 인 경우 작동합니다. 문자 열을 추가하여 시도하지 않았습니다.
do.call한 달 또는 두 달 전에 다른 사이트의 오래된 게시물에서 코드를 찾았 지만 광범위하고 어려운 검색 후에 만 가능했습니다. 해당 게시물을 지금 재배치 할 수 있는지 잘 모르겠습니다. 현재 스레드는 data.framein 을 주문하기위한 첫 번째 적중입니다 R. 그래서 원래 do.call코드 의 확장 버전 이 유용 할 것이라고 생각했습니다 .
set.seed(1234)
v1 <- c(0,0,0,0, 0,0,0,0, 1,1,1,1, 1,1,1,1)
v2 <- c(0,0,0,0, 1,1,1,1, 0,0,0,0, 1,1,1,1)
v3 <- c(0,0,1,1, 0,0,1,1, 0,0,1,1, 0,0,1,1)
v4 <- c(0,1,0,1, 0,1,0,1, 0,1,0,1, 0,1,0,1)
df.1 <- data.frame(v1, v2, v3, v4)
df.1
rdf.1 <- df.1[sample(nrow(df.1), nrow(df.1), replace = FALSE),]
rdf.1
order.rdf.1 <- rdf.1[do.call(order, as.list(rdf.1)),]
order.rdf.1
order.rdf.2 <- rdf.1[do.call(order, rev(as.list(rdf.1))),]
order.rdf.2
rdf.3 <- data.frame(rdf.1$v2, rdf.1$v4, rdf.1$v3, rdf.1$v1)
rdf.3
order.rdf.3 <- rdf.1[do.call(order, as.list(rdf.3)),]
order.rdf.3require(data.table); my.dt <- data.table(my.data); my.dt[order(age)]이 작동합니다. 열 이름을 [] 괄호 안에 사용할 수 있기 때문에 작동합니다.
data.frame중 하나를 사용들 with또는 $.
do.call는 다중 열 데이터 프레임을 정렬하는 짧은 작업을 만듭니다. 간단 do.call(sort, mydf.obj)하고 아름다운 캐스케이드 종류가 있습니다.
완전성을 위해 열 번호별로 정렬하는 것에 대해 많이 언급되지 않았기 때문에 ... 열의 순서가 변경되어 오류가 발생할 수 있기 때문에 바람직하지 않다고 주장 할 수 있지만 특정 상황에서 (예를 들어 빠른 작업이 필요하고 열이 순서를 변경하는 위험이없는 경우), 특히 많은 수의 열을 처리 할 때 가장 합리적인 방법 일 수 있습니다.
이 경우 do.call()구조에 온다 :
ind <- do.call(what = "order", args = iris[,c(5,1,2,3)])
iris[ind, ]
## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 14 4.3 3.0 1.1 0.1 setosa
## 9 4.4 2.9 1.4 0.2 setosa
## 39 4.4 3.0 1.3 0.2 setosa
## 43 4.4 3.2 1.3 0.2 setosa
## 42 4.5 2.3 1.3 0.3 setosa
## 4 4.6 3.1 1.5 0.2 setosa
## 48 4.6 3.2 1.4 0.2 setosa
## 7 4.6 3.4 1.4 0.3 setosa
## (...)완벽을 기하기 위해 패키지에서이 sortByCol()기능을 사용할 수도 있습니다 BBmisc.
library(BBmisc)
sortByCol(dd, c("z", "b"), asc = c(FALSE, TRUE))
b x y z
4 Low C 9 2
2 Med D 3 1
1 Hi A 8 1
3 Hi A 9 1성능 비교 :
library(microbenchmark)
microbenchmark(sortByCol(dd, c("z", "b"), asc = c(FALSE, TRUE)), times = 100000)
median 202.878
library(plyr)
microbenchmark(arrange(dd,desc(z),b),times=100000)
median 148.758
microbenchmark(dd[with(dd, order(-z, b)), ], times = 100000)
median 115.872data.frame
오래전의 기계식 카드 분류기와 마찬가지로, 가장 중요하지 않은 키를 기준으로 정렬 한 후 다음으로 가장 중요한 키를 기준으로 정렬합니다. 라이브러리가 필요하지 않으며 여러 키와 오름차순 및 내림차순 키 조합으로 작동합니다.
dd <- dd[order(dd$b, decreasing = FALSE),]이제 가장 중요한 키를 수행 할 준비가되었습니다. 정렬은 안정적이며 가장 중요한 키의 관계는 이미 해결되었습니다.
dd <- dd[order(dd$z, decreasing = TRUE),]이것은 가장 빠르지는 않지만 확실하고 간단합니다.
열 이름이 매번 다를 수있는 n 개의 열에 대한 주문 프로세스를 자동화하려고 할 때 위의 솔루션으로 어려움을 겪고있었습니다. 에서 매우 유용한 기능을 찾았습니다.psych패키지 에서이 간단하게 수행 .
dfOrder(myDf, columnIndices)어디 columnIndices 당신이 그들을 정렬 할 순서대로 하나 개 이상의 컬럼의 인덱스가 있습니다. 자세한 내용은 여기 :