我试图了解该order()
功能是如何工作的。我的印象是它返回了索引的排列,排序时会对原始向量进行排序。
例如,
> a <- c(45,50,10,96)
> order(a)
[1] 3 1 2 4
我本来希望这会返回c(2, 3, 1, 4)
,因为排序后的列表将是 10 45 50 96。
有人可以帮我理解这个函数的返回值吗?
这似乎可以解释它。
的定义
order
是a[order(a)]
按递增顺序排列的。这适用于您的示例,其中正确的顺序是第四个、第二个、第一个、然后是第三个元素。您可能一直在寻找
rank
,它返回元素的排名,
R> a <- c(4.1, 3.2, 6.1, 3.1)
R> order(a)
[1] 4 2 1 3
R> rank(a)
[1] 3 2 4 1
从而rank
告诉您数字的顺序,order
告诉您如何按升序获取它们。
plot(a, rank(a)/length(a))
将给出 CDF 的图表。但是,要查看为什么order
有用,请尝试一下plot(a, rank(a)/length(a),type="S")
,这会造成混乱,因为数据不是按递增顺序排列的如果你这样做了,
oo<-order(a)
plot(a[oo],rank(a[oo])/length(a),type="S")
或者只是
oo<-order(a)
plot(a[oo],(1:length(a))/length(a)),type="S")
你得到了 CDF 的折线图。
我敢打赌你在考虑排名。
要对一维向量或单列数据进行排序,只需调用sort函数并传入您的序列。
另一方面,排序函数是对数据进行排序所必需的二维数据,即在矩阵或数据框中收集的多列数据。
Stadium Home Week Qtr Away Off Def Result Kicker Dist
751 Out PHI 14 4 NYG PHI NYG Good D.Akers 50
491 Out KC 9 1 OAK OAK KC Good S.Janikowski 32
702 Out OAK 15 4 CLE CLE OAK Good P.Dawson 37
571 Out NE 1 2 OAK OAK NE Missed S.Janikowski 43
654 Out NYG 11 2 PHI NYG PHI Good J.Feely 26
307 Out DEN 14 2 BAL DEN BAL Good J.Elam 48
492 Out KC 13 3 DEN KC DEN Good L.Tynes 34
691 Out NYJ 17 3 BUF NYJ BUF Good M.Nugent 25
164 Out CHI 13 2 GB CHI GB Good R.Gould 25
80 Out BAL 1 2 IND IND BAL Good M.Vanderjagt 20
这是 2008 年 NFL 赛季中投篮尝试的数据摘录,我称之为“fg”的数据框。假设这 10 个数据点代表了 2008 年尝试的所有投篮目标;进一步假设您想知道当年尝试的最长射门距离,谁踢了它,以及它是否好;您还想知道第二长的,以及第三长的等等;最后你想要最短的射门尝试。
好吧,你可以这样做:
sort(fg$Dist, decreasing=T)
返回: 50 48 43 37 34 32 26 25 25 20
这是正确的,但不是很有用——它确实告诉我们最长的投篮尝试的距离,第二长的,......以及最短的距离;然而,但这就是我们所知道的——例如,我们不知道踢球者是谁,尝试是否成功等。当然,我们需要在“Dist”列上排序的整个数据框(换句话说,我们想要对单个属性Dist上的所有数据行进行排序。看起来像这样:
Stadium Home Week Qtr Away Off Def Result Kicker Dist
751 Out PHI 14 4 NYG PHI NYG Good D.Akers 50
307 Out DEN 14 2 BAL DEN BAL Good J.Elam 48
571 Out NE 1 2 OAK OAK NE Missed S.Janikowski 43
702 Out OAK 15 4 CLE CLE OAK Good P.Dawson 37
492 Out KC 13 3 DEN KC DEN Good L.Tynes 34
491 Out KC 9 1 OAK OAK KC Good S.Janikowski 32
654 Out NYG 11 2 PHI NYG PHI Good J.Feely 26
691 Out NYJ 17 3 BUF NYJ BUF Good M.Nugent 25
164 Out CHI 13 2 GB CHI GB Good R.Gould 25
80 Out BAL 1 2 IND IND BAL Good M.Vanderjagt 20
这就是订单的作用。它是二维数据的“排序”;换句话说,它返回一个由行号组成的一维整数索引,以便根据该向量对行进行排序,将为您在列Dist上提供正确的面向行的排序
这是它的工作原理。上面,sort用于对 Dist 列进行排序;为了对 Dist 列上的整个数据框进行排序,我们使用与上面使用的 'sort' 完全相同的方式使用 'order' :
ndx = order(fg$Dist, decreasing=T)
(我通常将'order'返回的数组绑定到代表'index'的变量'ndx',因为我将使用它作为索引数组进行排序。)
这是第 1 步,这里是第 2 步:
'ndx','sort' 返回的内容然后用作索引数组以重新排序数据帧'fg':
fg_sorted = fg[ndx,]
fg_sorted 是上面重新排序的数据帧。
总之,“排序”用于创建索引数组(指定要排序的列的排序顺序),然后将其用作索引数组以重新排序数据帧(或矩阵)。
(我认为在这里非常简单地列出这些想法可能会有所帮助,以总结@doug 发布的好材料,并由@duffymo 链接;每个+1,顺便说一句。)
?order告诉您原始向量的哪个元素需要放在第一位、第二位等,以便对原始向量进行排序,而?rank告诉您哪个元素具有最低、第二低等值。例如:
> a <- c(45, 50, 10, 96)
> order(a)
[1] 3 1 2 4
> rank(a)
[1] 2 3 1 4
所以order(a)
说,'排序时将第三个元素放在第一位......',而rank(a)
说,'第一个元素是第二低的......'。(请注意,他们都同意哪个元素最低,等等;他们只是以不同的方式呈现信息。)因此我们看到我们可以使用order()
排序,但我们不能使用rank()
这种方式:
> a[order(a)]
[1] 10 45 50 96
> sort(a)
[1] 10 45 50 96
> a[rank(a)]
[1] 50 10 45 96
通常,除非向量已经排序 ,否则order()
将不等于:rank()
> b <- sort(a)
> order(b)==rank(b)
[1] TRUE TRUE TRUE TRUE
此外,由于order()
它(本质上)对数据的等级进行操作,因此您可以在不影响信息的情况下组合它们,但反过来会产生胡言乱语:
> order(rank(a))==order(a)
[1] TRUE TRUE TRUE TRUE
> rank(order(a))==rank(a)
[1] FALSE FALSE FALSE TRUE
运行这段小代码让我理解了 order 函数
x <- c(3, 22, 5, 1, 77)
cbind(
index=1:length(x),
rank=rank(x),
x,
order=order(x),
sort=sort(x)
)
index rank x order sort
[1,] 1 2 3 4 1
[2,] 2 4 22 1 3
[3,] 3 3 5 3 5
[4,] 4 1 1 2 22
[5,] 5 5 77 5 77
参考:http ://r.789695.n4.nabble.com/I-don-t-understand-the-order-function-td4664384.html
这可以在某些时候帮助你。
a <- c(45,50,10,96)
a[order(a)]
你得到的是
[1] 10 45 50 96
我编写的代码表明您希望将“a”作为“a”的整个子集,并且您希望它从最低值到最高值排序。
简而言之,order()
给出数量级增加的元素的位置。
例如,order(c(10,20,30))
将给出1,2,3并将
order(c(30,20,10))
给出3,2,1。
它们相似但不相同
set.seed(0)
x<-matrix(rnorm(10),1)
# one can compute from the other
rank(x) == col(x)%*%diag(length(x))[order(x),]
order(x) == col(x)%*%diag(length(x))[rank(x),]
# rank can be used to sort
sort(x) == x%*%diag(length(x))[rank(x),]