理解 order() 函数

Question

我试图了解order() 函数的工作原理。我的印象是它返回了一个索引排列，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

我预计这会返回 c(2, 3, 1, 4)，因为排序后的列表将是 10 45 50 96。

谁能帮我理解这个函数的返回值？

Answer 1

它们相似但不一样

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),]

Answer 2

简单来说，order() 给出了数量级增加的元素的位置。

例如，order(c(10,20,30)) 将给出 1,2,3 和 order(c(30,20,10)) 将给出 3,2,1。

Answer 3

这在某些时候可能会对您有所帮助。

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“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。

Answer 4

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

Answer 5

This 好像解释过了。

order的定义是a[order(a)]在 递增顺序。这适用于您的示例，其中正确的 order 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，它会返回 元素
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
所以rank 告诉你数字的顺序， order 告诉你如何按升序获取它们。

plot(a, rank(a)/length(a)) 将给出 CDF 的图表。看看为什么 order 很有用，不过，试试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")
或者干脆
oo<-order(a)
plot(a[oo],(1:length(a))/length(a)),type="S")
你会得到一张 CDF 的折线图。

我敢打赌你在考虑排名。

Answer 6

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，order函数是对数据进行排序所必需的二维数据——即收集的多列数据在矩阵或数据框中。

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

这里是 2008 年 NFL 赛季投篮尝试数据的摘录，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；进一步假设你想知道当年最长射门的距离，谁踢的，好不好；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次数。

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帧（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 order 所做的。 对二维数据进行“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，将为您在列上提供正确的面向行的排序，Dist

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 'order' 与上面使用的 'sort' 完全相同：

ndx = order(fg$Dist, decreasing=T)

（我通常将'order'返回的数组绑定到变量'ndx'，它代表 对于'index'，因为我打算将它用作索引数组进行排序。）

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，'sort' 用于创建一个索引数组（它指定要排序的列的排序顺序），然​​后将其用作索引数组来重新排序数据帧（或矩阵）。

Answer 7

（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；顺便说一句，+1。）

?order 告诉你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 告诉你哪个元素最低、第二低等等。 ， 价值。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() 进行排序，但我们不能这样使用rank()：

> a[order(a)]  
[1] 10 45 50 96  
> sort(a)  
[1] 10 45 50 96  
> a[rank(a)]  
[1] 50 10 45 96  

一般来说，order() 不会等于 rank()，除非向量已经排序：

> b <- sort(a)  
> order(b)==rank(b)  
[1] TRUE TRUE TRUE TRUE  

此外，由于order()（基本上）在数据的等级上运行，您可以在不影响信息的情况下组合它们，但反过来会产生乱码：

> order(rank(a))==order(a)  
[1] TRUE TRUE TRUE TRUE  
> rank(order(a))==rank(a)  
[1] FALSE FALSE FALSE  TRUE