數據操作中排序和去重是比較常見的數據操作，本專題對排序和去重做專門介紹，并且給出一種不常用卻比較有啟發意義的示例：多列無序去重

目 錄

1 排序

1.1 sort 單列排序返回值

1.2 order 單列排序返回索引

1.3 rank 單列排序返回“秩”

1.4 arrage 多列排序

1.5、reorder 用在繪圖中

2 去重

2.1 unique 單向量/多列完全重復去重

2.2 duplicated函數

3? 多列無序去重

說明：多列無序重復比較值得學習

正 文

1 排序

1.1 sort 單列排序返回值

總結：sort是直接對向量排序，返回原數值

#sort相關語法sort(x, decreasing = FALSE, ...)##?Default?S3?method:sort(x, decreasing = FALSE, na.last = NA, ...)sort.int(x,?partial?=?NULL,?na.last?=?NA,?decreasing?=?FALSE, method = c("auto", "shell", "quick", "radix"), index.return = FALSE)

sort示例

> set.seed(416)> x > x;sort(x) [1] 9 13 7 13 20 16 4 1 6 17 [1] 1 4 6 7 9 13 13 16 17 20 #可以發現sort函數是對原始向量進行排序#如果遇到矩陣，sort函數會將矩陣轉換為向量> set.seed(416)> x > y > y;sort(y) [,1] [,2][1,] 9 16[2,] 13 4[3,] 7 1[4,] 13 6[5,] 20 17 [1] 1 4 6 7 9 13 13 16 17 20 #sort(y)

1.2?order?單列排序返回索引

總結：order先對數值排序，然后返回排序后各數值的索引

#order相關語法order(..., na.last = TRUE, decreasing = FALSE,??????method?=?c("auto",?"shell",?"radix"))

order示例

> set.seed(416)> x > x [1] 9 13 7 13 20 16 4 1 6 17> order(x)?[1]??8??7??9??3??1??2??4??6?10??5??#order返回x序列的索引值> sort(x) [1] 1 4 6 7 9 13 13 16 17 20> x[order(x)] [1] 1 4 6 7 9 13 13 16 17 20 #根據索引對x進行排序 ?#當遇到矩陣時，order將按列對原始矩陣進行排序，并且返回其索引向量 > set.seed(416)> x > y > y [,1] [,2][1,] 9 16[2,] 13 4[3,] 7 1[4,] 13 6[5,] 20 17> order(y)?[1]??8??7??9??3??1??2??4??6?10??5?#str(order(y))?返回int> sort(y) [1] 1 4 6 7 9 13 13 16 17 20> y[order(y)]?[1]??1??4??6??7??9?13?13?16?17?20?

1.3 rank 單列排序返回“秩”

總結：rank返回原數據各項排名(有并列的情況)

概念解釋：秩是基于樣本值的大小在全體樣本中所占位次(秩)的統計量。

#rank語法rank(x, na.last = TRUE, ties.method = c("average", "first", "last", "random", "max", "min"))

rank示例

> set.seed(416)> x <- round(runif(10,1,20))> x [1] 9 13 7 13 20 16 4 1 6 17>?rank(x)?#rank返回x中每個元素的秩 [1] 5.0 6.5 4.0 6.5 10.0 8.0 2.0 1.0 3.0 9.0

1.4 arrage?多列排序

總結：arrange是dplyr包中的排序函數，可對數據框以列的形式進行因子排序

>?library(dplyr)?#加載dplyr>?arrange(mtcars,?cyl,?disp)?#對mtcars數據框按照cyl和disp升序排序 mpg cyl disp hp drat wt qsec vs am gear carb1 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 12 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2……6 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 17 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1……23 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2……26 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 427 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2……32 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4> arrange(mtcars, desc(disp)) #對mtcars數據框按照cyl升序和和disp降序排序 mpg cyl disp hp drat wt qsec vs am gear carb1 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 42 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 43 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4……12 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 313 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 314 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 315 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1……27 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 128 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2……32 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1

1.5、reorder 用在繪圖中

1.5.1 在graphics繪圖系統中

require(graphics)bymedian with(InsectSprays, reorder(spray, count, median))boxplot(count ~ bymedian, data = InsectSprays, xlab = "Type of spray", ylab = "Insect count", main = "InsectSprays data", varwidth = TRUE, col = "lightgray")

1.5.2 比如ggplot中繪條形圖使x軸按y軸數值大小排序

說明：reorder函數具有對排序變量的因子化作用

>?attach(mtcars)> str(reorder(gear,disp)) Factor w/ 3 levels "4","5","3": 1 1 1 3 3 3 3 1 1 1 ... - attr(*, "scores")= num [1:3(1d)] 326 123 202 ..- attr(*, "dimnames")=List of 1 .. ..$ : chr [1:3] "3" "4" "5"> str(factor(gear)) Factor w/ 3 levels "3","4","5": 2 2 2 1 1 1 1 2 2 2 ...> detach(mtcars)library(ggplot2)data(mtcars)head(mtcars)ggplot(mtcars,aes(x=reorder(gear,disp), y= disp)) + geom_boxplot() + labs(title = "圖1") ggplot(mtcars,aes(x=factor(gear),?y=?disp))?+?geom_boxplot()?+?labs(title?=?"圖2")?

2 去重

2.1 unique?單向量/多列完全重復去重

總結：unique中，R中默認的是fromLast=FALSE，即若樣本點重復出現，則取首次出現的；否則去最后一次出現的。列名不變，去掉重復樣本值之后的行名位置仍為原先的行名位置。

> df > df x y1 A B2 B A3 C D4 D E5 E B6 B C7 C A8 B A> unique(df) x y1 A B2 B A3 C D4 D E5 E B6 B C7 C A> unique(df,fromLast = TRUE) x y1 A B3 C D4 D E5 E B6 B C7 C A8 B A

2.2?duplicated函數

總結：duplicated可對原數據框做單列或多列去重，并且返回波爾向量(索引)

> df "A",> df x y1 A B2 B A3 C D4 D E5 E B6 B C7 C A8 B A> df_index #構建一個布爾向量(索引)> df_index[1] FALSE FALSE FALSE FALSE FALSE TRUE TRUE TRUE> df[!df_index,] #篩選 x y1 A B2 B A3 C D4 D E5 E B

3??多列無序去重

總結：多列無序去重指，多列非按照獨立列比較重復，而是指逐行比較每一行是否出現過此元素(不按照列順序).

例如：matrix(c("a","b"),nrow = 1)?和 matrix(c("b","a"),nrow = 1)也是重復

> data.frame(matrix(c("a","b"),nrow = 1)) X1 X21 a b>?data.frame(matrix(c("b","a"),nrow?=?1)) X1 X21 b a

多列無序去重示例

?#生成測試集>?df?c(#對數據集df[,c(1:2)]逐行操作排序，并將排序后結果合并>?df$merge?c(#對逐行排序合并的結果進行去重，返回索引向量，然后(反向！)篩選> df_du> df x y z merge1 A B 1 AB2 B C 2 BC3 C D 3 CD4 D E 4 DE5 E B 5 BE6 B C 6 BC7 C A 7 AC8 B A 8 AB> df_du x y z merge1 A B 1 AB2 B C 2 BC3 C D 3 CD4 D E 4 DE5 E B 5 BE7 C A 7 AC

總結

以上是生活随笔為你收集整理的python在txt中的替换数据清洗_数据清洗过程中常见的排序和去重操作的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。