重新排序数据框中因子名称的级别答案

【问题标题】：Reorder levels of factor names in data frame重新排序数据框中因子名称的级别
【发布时间】：2016-05-18 10:22:57
【问题描述】：

我有一个DF，只有一列：DF$A。这是我需要以特定方式重新排序的名称的一个因素：

l
pheno
l.ldl.a
m.ldl.b
s.ldl.c
x.vldl.b
l.vldl.c
m.vldl.d
s.vldl.f
xs.vldl.h
xxl.vldl.a
xl.hdl.a
l.hdl.b
m.hdl.c
s.hdl.d

我尝试根据两个重新排序的DF$A 创建column 2

reorderLevels <- c(XXL.VLDL,XL.VLDL,L.VLDL,M.VLDL,S.VLDL,XS.VLDL, 
                   IDL,L.LDL,M.LDL,S.LDL,XL.HDL,L.HDL,M.HDL,S.HDL)

不关心名字的最后一部分。

我知道如何根据名称的第一部分（第一个点之前）或名称的第二部分（点之间的部分）重新排序，但我不知道如何根据名称的两个部分进行排列。

到目前为止，我可以使用以下命令对其重新排序，但仅根据名称的一部分

l1 <- l %>% mutate(m2 = match(sapply(strsplit(l$pheno, "[.]"),
                          function(x) x[1]), reorderLevels)) %>%
            arrange(m2) %>%
            select(-m2)

【问题讨论】：

标签： r sorting r-factor

【解决方案1】：

我不是 100% 确定你在问什么。我认为您想根据以下方案对因子 DF$A 重新排序：

最高优先级：按中间部分排列，顺序如下：
```
middle.ordering = c('vldl', 'idl', 'ldl', 'hdl')
```
第二优先：按以下顺序排列第一部分（我添加了一个“x”，即使它不在您的reoderLines 中，因为您在 DF$A 中有一个“x”）：
```
first.ordering = c('xxl', 'xl', 'l', 'm', 's', 'x', 'xs')
```
你不关心最后一部分的顺序，但我只知道如果我们指定一个，我就知道如何轻松解决这个问题，所以我选择了我在最后一部分中看到的字母的任意顺序：
```
last.ordering = c('a', 'b', 'c', 'd', 'f', 'h')
```

至于你的最终输出，我不知道你想要什么。我能想到你可能想要的 4 件事：

DF$A 按照你写它的确切顺序，但是按照你想要的顺序添加新的级别。如果您绘制这些数据的图，这将很有用，因为这些图将根据因子水平进行排列。这也意味着如果您在数据框中有其他列，您可以保持所有行的配对相同。看起来像这样：
```
 [1] l.ldl.a    m.ldl.b    s.ldl.c    x.vldl.b   l.vldl.c   m.vldl.d   s.vldl.f   xs.vldl.h  xxl.vldl.a xl.hdl.a   l.hdl.b    m.hdl.c   
[13] s.hdl.d   
Levels: xxl.vldl.a l.vldl.c m.vldl.d s.vldl.f x.vldl.b xs.vldl.h l.ldl.a m.ldl.b s.ldl.c xl.hdl.a l.hdl.b m.hdl.c s.hdl.d
```

DF$A 以新的顺序排列，但按字母顺序排列的级别与以前相同（例如，级别 1 对应于 l.hdl.b，因为这是 DF$A 按字母顺序排列的第一个元素）。看起来像这样：

 [1] xxl.vldl.a l.vldl.c   m.vldl.d   s.vldl.f   x.vldl.b   xs.vldl.h  l.ldl.a    m.ldl.b    s.ldl.c    xl.hdl.a   l.hdl.b    m.hdl.c   
[13] s.hdl.d   
Levels: l.hdl.b l.ldl.a l.vldl.c m.hdl.c m.ldl.b m.vldl.d s.hdl.d s.ldl.c s.vldl.f xl.hdl.a xs.vldl.h x.vldl.b xxl.vldl.a

DF$A 以新顺序，新级别。看起来像这样：

 [1] xxl.vldl.a l.vldl.c   m.vldl.d   s.vldl.f   x.vldl.b   xs.vldl.h  l.ldl.a    m.ldl.b    s.ldl.c    xl.hdl.a   l.hdl.b    m.hdl.c   
[13] s.hdl.d   
Levels: xxl.vldl.a l.vldl.c m.vldl.d s.vldl.f x.vldl.b xs.vldl.h l.ldl.a m.ldl.b s.ldl.c xl.hdl.a l.hdl.b m.hdl.c s.hdl.d

您可能还希望在 DF$A 中实际实现的因子有更多可能的水平，例如如果您稍后要添加更多数据。如果是这种情况，那么您的输出将如下所示，其中包含三个部分的所有可能排序：

 [1] l.ldl.a    m.ldl.b    s.ldl.c    x.vldl.b   l.vldl.c   m.vldl.d   s.vldl.f   xs.vldl.h  xxl.vldl.a xl.hdl.a   l.hdl.b    m.hdl.c   
[13] s.hdl.d   
168 Levels: xxl.vldl.a xxl.vldl.b xxl.vldl.c xxl.vldl.d xxl.vldl.f xxl.vldl.h xl.vldl.a xl.vldl.b xl.vldl.c xl.vldl.d xl.vldl.f ... xs.hdl.h

如果其中一件事情是你想要的，那么这里有一种方法来做这些事情：

DF = data.frame(A=factor(c(
  'l.ldl.a',
  'm.ldl.b',
  's.ldl.c',
  'x.vldl.b',
  'l.vldl.c',
  'm.vldl.d',
  's.vldl.f',
  'xs.vldl.h',
  'xxl.vldl.a',
  'xl.hdl.a',
  'l.hdl.b',
  'm.hdl.c',
  's.hdl.d')))

first.ordering = c('xxl', 'xl', 'l', 'm', 's', 'x', 'xs')
middle.ordering = c('vldl', 'idl', 'ldl', 'hdl')
last.ordering = c('a', 'b', 'c', 'd', 'f', 'h')

# make a big cartesion product of the orderings,
# making sure that the top-priority orderings are mentioned *last*
# in expand.gird
complete.ordering = with(
  expand.grid(last.ordering, first.ordering, middle.ordering),
  paste(Var2, Var3, Var1, sep='.'))
new.levels = complete.ordering[complete.ordering %in% DF$A]

A.with.new.levels.but.same.order = factor(DF$A, levels=new.levels)
A.with.new.order.but.same.levels = DF$A[order(as.numeric(A.with.new.levels.but.same.order))]
A.with.new.order.and.levels = factor(A.with.new.order.but.same.levels, levels=new.levels)
A.with.same.order.and.more.levels = factor(DF$A, levels=complete.ordering)

另外，如果您的原始数据框有更多列，例如，如果它看起来像这样：

            A another.column
1     l.ldl.a              1
2     m.ldl.b              2
3     s.ldl.c              3
4    x.vldl.b              4
5    l.vldl.c              5
6    m.vldl.d              6
7    s.vldl.f              7
8   xs.vldl.h              8
9  xxl.vldl.a              9
10   xl.hdl.a             10
11    l.hdl.b             11
12    m.hdl.c             12
13    s.hdl.d             13

并且您想将所有行的顺序重新排列在一起，保留每行元素之间的关联，那么您可以执行以下操作：

A.with.new.levels.but.same.order = factor(DF$A, levels=new.levels)
DF.with.new.order = DF[order(as.numeric(A.with.new.levels.but.same.order)),]

这将为您提供以下数据框：

            A another.column
9  xxl.vldl.a              9
5    l.vldl.c              5
6    m.vldl.d              6
7    s.vldl.f              7
4    x.vldl.b              4
8   xs.vldl.h              8
1     l.ldl.a              1
2     m.ldl.b              2
3     s.ldl.c              3
10   xl.hdl.a             10
11    l.hdl.b             11
12    m.hdl.c             12
13    s.hdl.d             13

【讨论】：

我能再问你一个问题吗。抱歉打扰了。如果你能回答，如果我有一个超过 1 列的 DF，并且我使用你提供的代码来重新排列该列，那么我如何相应地重新排列行。抱歉打扰了。
仍然不确定我是否理解。你的意思是你想重新排序整个数据框？如果这就是你想要的，那么这样的东西应该可以工作：DF.with.new.order = DF[order(as.numeric(A.with.new.levels.but.same.order)),]（对不起，我不知道如何格式化 cmets！！！）
我编辑了答案的结尾，因为我认为这可能更清楚。如果我误解了这个问题，请随时问更多。
你是天才 :) 非常感谢！

【解决方案2】：

我想建议tidyr 和dplyr 作为替代方案。

DF %>%
 separate("A", c("first", "middle", "last"), sep="[.]") %>%
 arrange(middle, first) %>%
 unite(A, c(first, middle,last), sep=".") %>%
 mutate(A=as.factor(A))

首先我们将这三个部分分开，排列它们并结合起来。最后，我们按照这个新顺序重做关卡。

这给了

            A
1     l.hdl.b
2     m.hdl.c
3     s.hdl.d
4    xl.hdl.a
5     l.ldl.a
6     m.ldl.b
7     s.ldl.c
8    l.vldl.c
9    m.vldl.d
10   s.vldl.f
11   x.vldl.b
12  xs.vldl.h
13 xxl.vldl.a

比levels 答案略长，但可能更具可读性。

【讨论】：

谢谢您，但订单不是我正在寻找的。这是我的错，我没有很好地解释它

【解决方案3】：

如果您想重新排序，例如，第二部分然后是第一部分（它们已经先排序，然后是第二部分），请按重要性顺序传递您关心的标签部分 order。可以使用sub拉出碎片：

levels(DF$A) <- levels(DF$A)[order(sub('.*\\.(.*)\\..*', '\\1', levels(DF$A)), 
                                   sub('\\..*', '', levels(DF$A)))]

levels(DF$A)
# [1] "l.hdl.b"    "m.hdl.c"    "s.hdl.d"    "xl.hdl.a"   "l.ldl.a"    "m.ldl.b"    "s.ldl.c"   
# [8] "l.vldl.c"   "m.vldl.d"   "s.vldl.f"   "x.vldl.b"   "xs.vldl.h"  "xxl.vldl.a"

注意hdls 是第一位的，其中的排序按第一部分排序。

【讨论】：