在数据集中，列变量中常常会有缺失值、离群值等异常值，我们需要快速查找这些异常值；

在进行数据可视化时，有时也需要按数据大小排序，然后进行绘图。

这时就需要用到行排序，按数据的升序、降序排列可以快速找到一列数值的极值。

dplyr包是数据处理很强大的一个包，包中的arrange()函数可以对数据进行排序。

1. 数据准备

1.1 创建数据集

创建三个向量，并生成一个简单数据集。

x1 1,2), times = 4) # 生成一列重复数字c(1，2)4次的向量
x2 8, mean = 2, sd = 2)  # 生成一列均值为2，标准差为2的数字向量
x3 1,6,8,4,NA,6,7,NA) # 向量中有2个缺失值
newdata # 生成数据框
newdata  # 查看数据框

1.2 数据准备

install.packages("dplyr") # 安装包
library(dplyr) # 加载包

mydata # 转换数据集类型
mydata

2. arrange()函数介绍

arrange()函数接受一个数据框和一组作为排序依据的列名(或者更复杂的表达式)作为参数，具体用法为arrange(data, vars1,vars2,...)，如果列名不只一个，那么就使用后面的列在前面排序的基础上继续排序。

arrange(.data,  # tibble类型的数据框
        ...,  # 输入不加引号的列变量名称，用逗号分开；或者包含列变量名的表达式
        # 默认升序排列，使用desc()函数进行降序排列
        .by_group = FALSE) # 为TRUE，则首先根据分组变量进行排序

3. 具体用法

1. 升序排列

arrange(mydata, x1)   # x1按升序排列 

arrange(mydata, x1, x3)  # 先按x1升序排列，再按x3升序排列

2. 降序排列

arrange(mydata, desc(x1))  # x1按降序排列

arrange(mydata, desc(x1), desc(x3))  # 先按x1降序排列，再按x3降序排列

arrange(mydata, desc(x1), x3)  # 先按x1降序排列，再按x3升序排列

两个变量以上的联合排序适合分组变量，两个以上的纯连续变量联合排序只会根据第一个连续变量排序。

3. 缺失值排序

arrange(mydata, x3) 
arrange(mydata, desc(x3))  

与使用sort()进行基本排序不同，不管使用升序还是降序，缺失值总是排在最后面。

那么怎么把缺失值排前面了？

arrange(mydata, desc(is.na(x3)))

arrange(mydata, desc(is.na(x3)), x3)

5. 其他函数

同filter()行筛选函数一样，也有arrange_all()、arrange_at()、arrange_if()三个函数使行排序功能更加强大。

5.1 arrange_all()函数

arrange_all(.tbl, .funs = list(), ..., .by_group = FALSE)

选择数据集的所有列进行行排序。

arrange_all(mydata) # 选择所有列升序
arrange_all(mydata, desc) # 降序

5.2 arrange_if()函数

arrange_if(.tbl, .predicate, .funs = list(), ..., .by_group = FALSE)

.predicate参数：通过逻辑向量判断哪些列参与行排列，然后根据列进行行排序。

5.3 arrange_at()函数

arrange_at(.tbl, .vars, .funs = list(), ..., .by_group = FALSE)

可以通过.vars参数来指定哪些列进行行排序；

将包含列名称的字符型向量，列位置的数字型向量或NULL传递给.vars参数。

arrange_at(mydata, vars(x1,x2))
# 指定x1和x2进行升序排列
arrange_at(mydata, vars(1,2))
# 指定第1列和第2列进行升序排列
arrange_at(mydata, vars(1:2), list(~desc(.)))
# 指定第1列和第2列进行降序排列

参考资料：《R数据科学》2018

---

既往专辑

喜欢点个在看哦！