R语言的排序函数(order, sort, rank)及匹配函数（match,%in%)用法详解

Posted 2023-03-30

参考技术A

R语言中，和排序相关的常用函数有： order() ， sort() ， rank() ，一般是对向量进行操作，也可以对数据框的列进行操作。
1. order(..., decreasing = FALSE)
“...” 中可以是一个向量（数值型，字符型，逻辑型， 因子型 均可），也可以是多个向量（ 长度必须相同 ）
它返回的是排列后（默认是升序）的元素在该向量中所处的位置，即 索引 ，所以返回的不是原来向量的那些数值，而是排序后那些数值所对应的位置。它在常在数据框中运用，可以根据某一列和某几列来调整数据框。
1.1 单个向量

1.2 多个向量（数据框的多列）

上面最左边的一列数值（不是var1这一列）就是 order(df$var1) 生成的，列var1的顺序就是order后的，注意和前面df 的列var1进行比较，还有一点要牢记的就是这种在数据框里的调整，是 整行变动(都按列var1来) 。故而本质上，对于数据框而言， order函数出来的是原始数据框中的行号，行号顺序一变，意味着行号代表的整行跟着变 。
接着再按列var2排序（注意是在列var1已经排好的基础上再按列var2重新排序，即此时列var1里的 非重复值的行顺序不会再变了，只有列var1里有重复值（数值相同的）的行才会变换 ，而且是按照列var2来变换，。如还要按其它列再排，以此类推）：

最后再按列var3排序，此时只有列var2中 有重复值的行 （当然这时var1肯定也是重复的）才会变换------这里是含有9的那两行，并且是按照这些重复值对应到列var3的那些行的数值（数值1和2）来变的

总结提升，order()函数中，如果第一个向量（或者说是数据框里你想要根据它来调整的那一列）里没有重复值，那么按照后面的所有向量（不管有多少个）的重排都不会进行（或者说重排的结果不会变），order(vec1,vec2,vec3,...) 返回的行号及其顺序和 order(vec1) 的是一样。

同理，也可以处理对应的行（比如矩阵或是数据框的行）

1.3 factor（因子型向量）

2. sort(x, decreasing = FALSE)
x 只能是 一个 向量（数值型，字符型，逻辑型， 因子型 均可）
返回的是排序后（默认是升序）的那个数值向量（ 还是那些数值，只不过是排序过了的 ）

3. rank(x, na.last = TRUE)
求秩的函数，x 只能是 一个**向量（数值型，字符型，逻辑型）， 该向量一般不会有重复值 ，返回的是该向量中对应元素的“排名”，即元素顺序它不会改变，只是告诉你每个元素在整个向量中的名次（如果要排序（默认是升序）的话）。

如果向量有重复值，出现的结果会有些不太好处理

匹配两个向量，返回的是第一个向量 x中的各个元素在第二个向量 y中所匹配的元素的位置值（索引，下标值），即 返回的是第二个向量的下标值组成的向量 。
注意事项：
1. 返回的下标值向量的长度与第一个向量相等，即 length(x) == length(match(x,y)) 为 TRUE。
2. 第一个向量可以是只有一个元素的向量。
3. 两个向量的长度不一定要相等。
4. 返回的是 x中每个元素在y中的位置，可用来提取y中的元素，没有匹配上的会返回 NA。
拓展用法：
y [match(x, y)] ： x中 和y 相同的元素都是哪些，前提是x中的元素在y中都有（即x是y的子集），否则会返回 NA。（ 最好是用x[ x %in y] ）
y[-match(x, y)] ： 找出 y里面有 x里面没有的数值，前提是x中的元素在y中都有（即x是y的子集），否则会报错。

当两个向量类型不一样时, match函数会进行类型转换，然后再匹配。

x %in% y
判断x中的元素是否都在y中，返回的是个长度和 x 一样的逻辑值向量，存在的话返回TRUE，否则返回FALSE。
sum(x %in% y) ： 统计 x 中有多少个元素在y中，或者说 x 和 y 有几个相同元素
x[x %in% y] ： x中 和y 相同的元素都是哪些