R語言ETL工程系列：排序（arrange）

歡迎關注天善智能，我們是專注於商業智能BI，人工智能AI，大數據分析與挖掘領域的垂直社區，學習，問答、求職一站式搞定！

對商業智能BI、大數據分析挖掘、機器學習，python，R等數據領域感興趣的同學加微信：tstoutiao，邀請你進入數據愛好者交流群，數據愛好者們都在這兒。

作者：黃天元，復旦大學博士在讀，目前研究涉及文本挖掘、社交網絡分析和機器學習等。希望與大家分享學習經驗，推廣並加深R語言在業界的應用。

郵箱：[email protected]

前言

上篇

介紹如何從表中檢索一個或多個數據列，本章介紹如何在R中對錶格數據進行排序，主要使用arrange函數。

首先我們加載必要的包：

1library(tidyverse)
 

此外，我們會用到R語言自帶的數據集mtcars。它本身是數據框格式的，我們會把它轉化為tibble格式,並存放在mtcars1變量中。讓我們審視一下本章要用到的數據集：

 1mtcars %>% as_tibble() -> mtcars1
 2mtcars1
 3## # A tibble: 32 x 11
 4## mpg cyl disp hp drat wt qsec vs am gear carb
 5## *           
 6## 1 21 6 160 110 3.9 2.62 16.5 0 1 4 4
 7## 2 21 6 160 110 3.9 2.88 17.0 0 1 4 4
 8## 3 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1
 9## 4 21.4 6 258 110 3.08 3.22 19.4 1 0 3 1
10## 5 18.7 8 360 175 3.15 3.44 17.0 0 0 3 2
11## 6 18.1 6 225 105 2.76 3.46 20.2 1 0 3 1
12## 7 14.3 8 360 245 3.21 3.57 15.8 0 0 3 4
13## 8 24.4 4 147. 62 3.69 3.19 20 1 0 4 2
14## 9 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 2
15## 10 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 4
16## # ... with 22 more rows

通過審視數據，我們發現數據的排布是亂序的，沒有按照一定的順序展示出來。如果我們想要數據表根據mpg變量排序，那麼就需要用arrange函數。

 1mtcars1 %>% 
 2 arrange(mpg)
 3## # A tibble: 32 x 11
 4## mpg cyl disp hp drat wt qsec vs am gear carb
 5##           
 6## 1 10.4 8 472 205 2.93 5.25 18.0 0 0 3 4
 7## 2 10.4 8 460 215 3 5.42 17.8 0 0 3 4
 8## 3 13.3 8 350 245 3.73 3.84 15.4 0 0 3 4
 9## 4 14.3 8 360 245 3.21 3.57 15.8 0 0 3 4
10## 5 14.7 8 440 230 3.23 5.34 17.4 0 0 3 4
11## 6 15 8 301 335 3.54 3.57 14.6 0 1 5 8
12## 7 15.2 8 276. 180 3.07 3.78 18 0 0 3 3
13## 8 15.2 8 304 150 3.15 3.44 17.3 0 0 3 2
14## 9 15.5 8 318 150 2.76 3.52 16.9 0 0 3 2
15## 10 15.8 8 351 264 4.22 3.17 14.5 0 1 5 4
16## # ... with 22 more rows
 

這樣一來，我們發現數據mpg列已經從小到大進行了排列，而其他列也根據排列進行了調整。

相應的SQL代碼如下：

1 SELECT *
2FROM `mtcars`
3ORDER BY `mpg`

基於多列排序

有時候，我們需要根據多列進行排序。例如，我們數據如果有年月日的數據，我們需要表格先按照年排序，然後在年內再按照月份排序，月份中再根據日進行排序。

arrange函數中通過可以放入多列的名稱來對多列進行排序，列名稱之間需要以逗號相隔。比如，我們想要先對cyl進行排序，再對disp進行排序：

 1mtcars1 %>%
 2 arrange(cyl,disp) %>%
 3 print(n = Inf)
 4## # A tibble: 32 x 11
 5## mpg cyl disp hp drat wt qsec vs am gear carb
 6##      
      
 7## 1 33.9 4 71.1 65 4.22 1.84 19.9 1 1 4 1
 8## 2 30.4 4 75.7 52 4.93 1.62 18.5 1 1 4 2
 9## 3 32.4 4 78.7 66 4.08 2.2 19.5 1 1 4 1
10## 4 27.3 4 79 66 4.08 1.94 18.9 1 1 4 1
11## 5 30.4 4 95.1 113 3.77 1.51 16.9 1 1 5 2
12## 6 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1
13## 7 21.5 4 120. 97 3.7 2.46 20.0 1 0 3 1
14## 8 26 4 120. 91 4.43 2.14 16.7 0 1 5 2
15## 9 21.4 4 121 109 4.11 2.78 18.6 1 1 4 2
16## 10 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 2
17## 11 24.4 4 147. 62 3.69 3.19 20 1 0 4 2
18## 12 19.7 6 145 175 3.62 2.77 15.5 0 1 5 6
19## 13 21 6 160 110 3.9 2.62 16.5 0 1 4 4
20## 14 21 6 160 110 3.9 2.88 17.0 0 1 4 4
21## 15 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 4
22## 16 17.8 6 168. 123 3.92 3.44 18.9 1 0 4 4
23## 17 18.1 6 225 105 2.76 3.46 20.2 1 0 3 1
24## 18 21.4 6 258 110 3.08 3.22 19.4 1 0 3 1
25## 19 16.4 8 276. 180 3.07 4.07 17.4 0 0 3 3
26## 20 17.3 8 276. 180 3.07 3.73 17.6 0 0 3 3
27## 21 15.2 8 276. 180 3.07 3.78 18 0 0 3 3
28## 22 15 8 301 335 3.54 3.57 14.6 0 1 5 8
29## 23 15.2 8 304 150 3.15 3.44 17.3 0 0 3 2
30## 24 15.5 8 318 150 2.76 3.52 16.9 0 0 3 2
31## 25 13.3 8 350 245 3.73 3.84 15.4 0 0 3 4
32## 26 15.8 8 351 264 4.22 3.17 14.5 0 1 5 4
33## 27 18.7 8 360 175 3.15 3.44 17.0 0 0 3 2
34## 28 14.3 8 360 245 3.21 3.57 15.8 0 0 3 4
35## 29 19.2 8 400 175 3.08 3.84 17.0 0 0 3 2
36## 30 14.7 8 440 230 3.23 5.34 17.4 0 0 3 4
37## 31 10.4 8 460 215 3 5.42 17.8 0 0 3 4
38## 32 10.4 8 472 205 2.93 5.25 18.0 0 0 3 4
 

一般來說，tibble格式只會顯示數據的前十行，如果我們想要看到全部數據，可以在最後運行print(n = Inf)，這表示我們要看錶格的所有行。但是對於行數過多的數據集不建議使用這個函數，本例因為需要看到排序效果，因此使用了這個操作。

相應的SQL代碼如下：

1 SELECT *
2FROM `mtcars`
3ORDER BY `cyl`, `disp`

降序排列

細心的你也許會觀察到，我們的排序都是從小到大排列的，也稱為升序排列。但是在實際應用中，很多時候會用到降序排列，這時候只需要對需要降序排列的列進行降序處理即可，具體函數為desc()。例子如下：

 1mtcars1 %>%
 2 arrange(desc(disp))
 3## # A tibble: 32 x 11
 4## mpg cyl disp hp drat wt qsec vs am gear carb
 5##      
      
 6## 1 10.4 8 472 205 2.93 5.25 18.0 0 0 3 4
 7## 2 10.4 8 460 215 3 5.42 17.8 0 0 3 4
 8## 3 14.7 8 440 230 3.23 5.34 17.4 0 0 3 4
 9## 4 19.2 8 400 175 3.08 3.84 17.0 0 0 3 2
10## 5 18.7 8 360 175 3.15 3.44 17.0 0 0 3 2
11## 6 14.3 8 360 245 3.21 3.57 15.8 0 0 3 4
12## 7 15.8 8 351 264 4.22 3.17 14.5 0 1 5 4
13## 8 13.3 8 350 245 3.73 3.84 15.4 0 0 3 4
14## 9 15.5 8 318 150 2.76 3.52 16.9 0 0 3 2
15## 10 15.2 8 304 150 3.15 3.44 17.3 0 0 3 2
16## # ... with 22 more rows

我們可以看到，disp已經是從大到小進行排列了。

相應的SQL代碼如下：

1 SELECT *
2FROM `mtcars`
3ORDER BY `disp` DESC

複合操作

那麼如果我們想要先以cyl進行升序排列，在這個基礎上對disp進行降序排列應該怎麼做呢？相信聰明的讀者已經可以自己動手進行操作，代碼如下：

 1mtcars1 %>%
 2 arrange(cyl,desc(disp)) %>%
 3 print(n = Inf)
 4## # A tibble: 32 x 11
 5## mpg cyl disp hp drat wt qsec vs am gear carb
 6##           
 7## 1 24.4 4 147. 62 3.69 3.19 20 1 0 4 2
 8## 2 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 2
 9## 3 21.4 4 121 109 4.11 2.78 18.6 1 1 4 2
10## 4 26 4 120. 91 4.43 2.14 16.7 0 1 5 2
11## 5 21.5 4 120. 97 3.7 2.46 20.0 1 0 3 1
12## 6 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1
13## 7 30.4 4 95.1 113 3.77 1.51 16.9 1 1 5 2
14## 8 27.3 4 79 66 4.08 1.94 18.9 1 1 4 1
15## 9 32.4 4 78.7 66 4.08 2.2 19.5 1 1 4 1
16## 10 30.4 4 75.7 52 4.93 1.62 18.5 1 1 4 2
17## 11 33.9 4 71.1 65 4.22 1.84 19.9 1 1 4 1
18## 12 21.4 6 258 110 3.08 3.22 19.4 1 0 3 1
19## 13 18.1 6 225 105 2.76 3.46 20.2 1 0 3 1
20## 14 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 4
21## 15 17.8 6 168. 123 3.92 3.44 18.9 1 0 4 4
22## 16 21 6 160 110 3.9 2.62 16.5 0 1 4 4
23## 17 21 6 160 110 3.9 2.88 17.0 0 1 4 4
24## 18 19.7 6 145 175 3.62 2.77 15.5 0 1 5 6
25## 19 10.4 8 472 205 2.93 5.25 18.0 0 0 3 4
26## 20 10.4 8 460 215 3 5.42 17.8 0 0 3 4
27## 21 14.7 8 440 230 3.23 5.34 17.4 0 0 3 4
28## 22 19.2 8 400 175 3.08 3.84 17.0 0 0 3 2
29## 23 18.7 8 360 175 3.15 3.44 17.0 0 0 3 2
30## 24 14.3 8 360 245 3.21 3.57 15.8 0 0 3 4 

31## 25 15.8 8 351 264 4.22 3.17 14.5 0 1 5 4
32## 26 13.3 8 350 245 3.73 3.84 15.4 0 0 3 4
33## 27 15.5 8 318 150 2.76 3.52 16.9 0 0 3 2
34## 28 15.2 8 304 150 3.15 3.44 17.3 0 0 3 2
35## 29 15 8 301 335 3.54 3.57 14.6 0 1 5 8
36## 30 16.4 8 276. 180 3.07 4.07 17.4 0 0 3 3
37## 31 17.3 8 276. 180 3.07 3.73 17.6 0 0 3 3
38## 32 15.2 8 276. 180 3.07 3.78 18 0 0 3 3

相應的SQL代碼如下：

1 SELECT *
2FROM `mtcars`
3ORDER BY `cyl`, `disp` DESC

小

結

本章介紹瞭如何在R中完成排序操作，包括基於單列與多列的排序，以及升序與降序操作。在實際操作中，通過組合這些方法，我們能夠對一個大的數據表格進行有層次的排序，是需要牢記的實用基本操作。

往期精彩：

• R語言ETL工程系列：總論
• R語言ETL工程系列：R語言基礎設置
• R語言中文社區2018年終文章整理（作者篇）
• R語言中文社區2018年終文章整理（類型篇）

回覆 爬蟲 爬蟲三大案例實戰

回覆 Python 1小時破冰入門

回覆 數據挖掘 R語言入門及數據挖掘

回覆 人工智能 三個月入門人工智能

回覆 數據分析師 數據分析師成長之路

回覆 機器學習 機器學習的商業應用

回覆 數據科學 數據科學實戰

回覆 常用算法 常用數據挖掘算法

閱讀更多 天善智能 的文章

關鍵字: 愛好者 人工智能 大數據