俱往矣，数风流人物，还看今朝！从今天开始，R语言数据清洗或者叫做数据预处理的大幕正式拉开！众所周知，在现实工作中，我们面临的几乎所有数据都是脏数据，即乱七八糟的数据，要让这些数据发挥价值，就必须要对其进行整理、修饰，让其变成一个软件可接受，可识别的整洁数据。
当然了，100个数据科学家就会有98个说，数据清洗最费时间费脑子。
这是可想而知的，因为数据的读取与分析这都是固定的套路，唯有数据的清洗不固定，因为我们会遇到各种各样的奇葩数据。
好了，闲话少叙，直接进入今天的主题——数据排排坐。
数据排排坐，只是一句为了吸引大家眼球的俏皮话，其真正的意思是变量的排序。变量，或者说数据的排序，我们并不陌生，在Excel中就经常干这种事情。Excel中的排序用法相对初级，要么由高到低，要么由低到高。而在R语言中，变量的排序则更加灵活，功能更加强大。
R语言中与变量排序的函数有几个，比如sort(), order(), rank()以及dplyr包中的arrange()函数。今天主要介绍前三个函数，关于arrange()，我们会在介绍dplyr包的时候一起介绍。
dvdf
如你所见，nums是一个随机生成的1-100之内的整数，默认情况下是没有顺序的，经过sort()函数排序后，则生成了顺序，此处我们将decreasing参数设置为TRUE，表示从大到小排序，该参数默认为FALSE，即从小到大排序。
wode
在nums2中，我加入了一个NA，即缺失值，同时引入了一个新参数na.last，默认情况下，NA是会被删除的，即不参与排序。当na.last参数设置为TRUE时，NA则会被置于向量的最后，若为FALSE，则会被置于向量的第一位。
如你所见，sort()函数不仅可以对数值型向量进行排序，同样可以对字符串排序，这个顺序就是按照字母表的先后顺序。
好，关于sort()点到即止。下面我们介绍一下rank()函数。
rank()函数其实不是用来排序的，而是用来产生秩的。何为秩？即秩次。小时候我们最怕的就是期末排名了（当然了，Leopard作为常年优等生，一直稳居班级前二，嘿嘿），排名就是一种秩次，比如第一名，第二名，有时候还有遇到并列名次。这都是秩次。
学过卫生统计学的童鞋自动忽视上述解释，秩次你们都懂的。看例子：
我们生成了一个数值向量x2，并给x2中的所有元素命了名，对x2进行排序之后，如你所见，1，1，2，3，3，4，5，5，5，6，9。第一位和第二位都是1，所以他俩的秩都是1.5（(1+2)/2），对应起来，就是b和d的秩次为1.5，以此类推。
﹏
﹏
﹏
﹏
以上我们生成的都是平均秩次，有些时候，我们不需要平均秩次，这时就可以调用ties.method参数。
当该参数设置为“first”后，即表示只返回第一个秩次，比如1，在x2中出现两次，但是只返回第一次出现时的秩次1。同理，将ties.method参数设置为‘last’时，则表示只返回最后一次出现时的秩次。
order()函数与sort()函数截然不同，它返回的是元素的下标，即元素在向量中的位置。见下面的例子：
ok，我们产生了一个随机数变量x，并将x进行了升序排序。
如你所见，order()函数返回的并不是元素本身，而是元素在原始向量x中的位置，比如第一个数字7，它表示排在第一位的元素在x向量中是排在第七位的！我们去找一下，发现第七位的元素是4。x中4是最小的，理所当然排在第一位！
由于order()函数更多的是在数据框变量中使用，所以下面我们结合数据框来进行演示。
这里我们使用reshape2包中的tips数据（小费数据集）。
tips数据集包含244个观测，7个变量。其中3个数值型变量，4个因子型变量。
首先，我们根据其中某一个数值型变量对tips数据进行排序。
如你所见，tips数据框根据total_bill变量由小到大进行了排序，当然，order()函数中也有一个decreasing参数，默认是FALSE，如果需要由大到小进行排序，则改为TRUE即可。当然，如果不使用这个参数，也是可以的，比如：
如你所见，我们根据total_bill从大到小对tips进行了排序。注意代码中的“-”。
上述代码均是根据一个变量进行排序，下面我们根据两个变量对数据框进行排序。
如你所见，我们根据total_bill与tip对tips进行了排序，两个变量均是由小到大排序。
除了对整个数据框进行排序，我们也可以根据一个变量对另外一个变量进行排序。
order()函数的功能是不是很强大呢，希望大家多多练习，这句话已经说了很多遍了。下期我将给大家介绍长宽型数据的转换，see you！
- 本文固定链接: https://maimengkong.com/kyjc/963.html
- 转载请注明: : 萌小白 2022年6月3日 于 卖萌控的博客 发表
- 百度已收录
