R语言ETL工程系列：排序（arrange）

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！

对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。

作者：黄天元，复旦大学博士在读，目前研究涉及文本挖掘、社交网络分析和机器学习等。希望与大家分享学习经验，推广并加深R语言在业界的应用。

邮箱：[email protected]

前言

上篇

介绍如何从表中检索一个或多个数据列，本章介绍如何在R中对表格数据进行排序，主要使用arrange函数。

首先我们加载必要的包：

1library(tidyverse)
 

此外，我们会用到R语言自带的数据集mtcars。它本身是数据框格式的，我们会把它转化为tibble格式,并存放在mtcars1变量中。让我们审视一下本章要用到的数据集：

 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

通过审视数据，我们发现数据的排布是乱序的，没有按照一定的顺序展示出来。如果我们想要数据表根据mpg变量排序，那么就需要用arrange函数。

 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
 

这样一来，我们发现数据mpg列已经从小到大进行了排列，而其他列也根据排列进行了调整。

相应的SQL代码如下：

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

基于多列排序

有时候，我们需要根据多列进行排序。例如，我们数据如果有年月日的数据，我们需要表格先按照年排序，然后在年内再按照月份排序，月份中再根据日进行排序。

arrange函数中通过可以放入多列的名称来对多列进行排序，列名称之间需要以逗号相隔。比如，我们想要先对cyl进行排序，再对disp进行排序：

 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
 

一般来说，tibble格式只会显示数据的前十行，如果我们想要看到全部数据，可以在最后运行print(n = Inf)，这表示我们要看表格的所有行。但是对于行数过多的数据集不建议使用这个函数，本例因为需要看到排序效果，因此使用了这个操作。

相应的SQL代码如下：

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

降序排列

细心的你也许会观察到，我们的排序都是从小到大排列的，也称为升序排列。但是在实际应用中，很多时候会用到降序排列，这时候只需要对需要降序排列的列进行降序处理即可，具体函数为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

我们可以看到，disp已经是从大到小进行排列了。

相应的SQL代码如下：

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

复合操作

那么如果我们想要先以cyl进行升序排列，在这个基础上对disp进行降序排列应该怎么做呢？相信聪明的读者已经可以自己动手进行操作，代码如下：

 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

相应的SQL代码如下：

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

小

结

本章介绍了如何在R中完成排序操作，包括基于单列与多列的排序，以及升序与降序操作。在实际操作中，通过组合这些方法，我们能够对一个大的数据表格进行有层次的排序，是需要牢记的实用基本操作。

往期精彩：

• R语言ETL工程系列：总论
• R语言ETL工程系列：R语言基础设置
• R语言中文社区2018年终文章整理（作者篇）
• R语言中文社区2018年终文章整理（类型篇）

回复 爬虫 爬虫三大案例实战

回复 Python 1小时破冰入门

回复 数据挖掘 R语言入门及数据挖掘

回复 人工智能 三个月入门人工智能

回复 数据分析师 数据分析师成长之路

回复 机器学习 机器学习的商业应用

回复 数据科学 数据科学实战

回复 常用算法 常用数据挖掘算法

閱讀更多 天善智能 的文章

關鍵字: SQL R语言 爱好者