R：按字母和数字顺序对具有字符和数值的字符串向量进行排序答案

【问题标题】：R: order a vector of strings with both character and numeric values both alphabetically and numericallyR：按字母和数字顺序对具有字符和数值的字符串向量进行排序
【发布时间】：2014-02-02 03:26:52
【问题描述】：

我有一个包含字符和数值的字符串向量。例如：

a=c("ILLUMINA:420:C2D7UACXX:1:1102:14591:91480","ILLUMINA:420:C2D7UACXX:1:1102:14592:3881","ILLUMINA:420:C2D7UACXX:1:1102:14592:37103","ILLUMINA:420:C2D7UACXX:1:1102:14592:37356")

我想对向量进行排序，以便字符按字母顺序排序，数字按数字排序。字符串的结构始终采用以下格式： "ILLUMINA:420:C2D7UACXX:1:<number>:<number>:<number>"，所以实际上这个顺序只适用于最后三个冒号分隔的数字。

我确实尝试过mixedsort {gtools}，但结果与使用sort 和

sort.int，即：

> mixedsort(a)
[1] "ILLUMINA:420:C2D7UACXX:1:1102:14591:91480" "ILLUMINA:420:C2D7UACXX:1:1102:14592:37103"
[3] "ILLUMINA:420:C2D7UACXX:1:1102:14592:37356" "ILLUMINA:420:C2D7UACXX:1:1102:14592:3881"

显然正确的顺序应该是：

[1] "ILLUMINA:420:C2D7UACXX:1:1102:14591:91480" "ILLUMINA:420:C2D7UACXX:1:1102:14592:3881" 
[3] "ILLUMINA:420:C2D7UACXX:1:1102:14592:37103" "ILLUMINA:420:C2D7UACXX:1:1102:14592:37356"

有什么立竿见影的解决办法吗？

【问题讨论】：

标签： r sorting vector

【解决方案1】：

gtools::mixedsort 确实适用于您的情况，实际上：

> a=c("ILLUMINA:420:C2D7UACXX:1:1102:14591:91480",
      "ILLUMINA:420:C2D7UACXX:1:1102:14592:3881",
      "ILLUMINA:420:C2D7UACXX:1:1102:14592:37103",
      "ILLUMINA:420:C2D7UACXX:1:1102:14592:37356")
> 
> mixedsort(a)
[1] "ILLUMINA:420:C2D7UACXX:1:1102:14591:91480"
[2] "ILLUMINA:420:C2D7UACXX:1:1102:14592:3881" 
[3] "ILLUMINA:420:C2D7UACXX:1:1102:14592:37103"
[4] "ILLUMINA:420:C2D7UACXX:1:1102:14592:37356"

我正在使用 gtools_3.4.2 和 R-3.2.0

【讨论】：

【解决方案2】：

这里有一个更快的解决方案：

fields.list = strsplit(a,split=":")
sort.dt = data.table(t(sapply(fields.list,function(x) as.numeric(c(x[5],x[6],x[7])))))
sorted.a = v[with(sort.dt,order(V1,V2,V3))]
> sorted.a
[1] "ILLUMINA:420:C2D7UACXX:1:1102:14591:91480" "ILLUMINA:420:C2D7UACXX:1:1102:14592:3881"  "ILLUMINA:420:C2D7UACXX:1:1102:14592:37103"
[4] "ILLUMINA:420:C2D7UACXX:1:1102:14592:37356"

【讨论】：

【解决方案3】：

EDIT在OP澄清后彻底改变解决方案

您可以提取最后 3 个元素和顺序，然后创建一个 data.frame：

dat = read.table(text=sub('.*:1:([0-9]+):([0-9]+):([0-9]+)','\\1|\\2|\\3',a),sep='|')
 dat
    V1    V2    V3
1 1102 14591 91480
2 1102 14592  3881
3 1102 14592 37103
4 1102 14592 37356

然后您使用 3 列订购：

 a[with(dat,order(V1,V2,V3))]
[1] "ILLUMINA:420:C2D7UACXX:1:1102:14591:91480" "ILLUMINA:420:C2D7UACXX:1:1102:14592:3881" 
[3] "ILLUMINA:420:C2D7UACXX:1:1102:14592:37103" "ILLUMINA:420:C2D7UACXX:1:1102:14592:37356"

【讨论】：

非常接近。如果我将您的解决方案稍微编辑为： a[order(sub('.*:1:([0-9]+):([0-9]+):([0-9]+)',as. numeric('\\1\\2\\3'),a))] 我得到：[1] "ILLUMINA:420:C2D7UACXX:1:1102:14591:91480" "ILLUMINA:420:C2D7UACXX:1: 1102:14592:3881" [3] "ILLUMINA:420:C2D7UACXX:1:1102:14592:37103" "ILLUMINA:420:C2D7UACXX:1:1102:14592:37356" 但带有此警告：警告消息：在 sub( ".*:1:([0-9]+):([0-9]+):([0-9]+)", as.numeric("\\1\\2\\3") , : 强制引入的 NA 我应该关心这个警告吗？
谢谢！您认为这可以更有效地完成吗，因为我的字符串向量的长度约为一百万？
就我而言，最后一个 ] 之前缺少一个逗号。结果：a[with(dat,order(V1,V2,V3)),]