为 sort.data.frame 创建通用/方法一致性的最佳方法？

Posted 2023-02-19

【中文标题】为 sort.data.frame 创建通用/方法一致性的最佳方法？

【英文标题】：Best way to create generic/method consistency for sort.data.frame?

【发布时间】：2011-10-13 19:08:39

【问题描述】：

我最终决定将互联网上流传的 sort.data.frame 方法放入 R 包中。它只是被要求太多，不能留给一种特殊的分发方法。

但是，它使用的参数使其与通用排序函数不兼容：

sort(x,decreasing,...)
sort.data.frame(form,dat)

如果我将 sort.data.frame 更改为像 sort.data.frame(form,decreasing,dat) 中那样将递减作为参数并丢弃递减，那么它就会失去其简单性，因为您总是必须指定 dat= 并且不能真正使用位置参数。如果我像sort.data.frame(form,dat,decreasing) 一样将其添加到末尾，则该顺序与通用函数不匹配。如果我希望递减在点`sort.data.frame（form，dat，...）中被捕获，那么当使用基于位置的匹配时，我相信通用函数会将第二个位置分配给递减并且它会得到丢弃。协调这两个功能的最佳方法是什么？

完整的功能是：

# Sort a data frame
sort.data.frame <- function(form,dat)
# Author: Kevin Wright
# http://tolstoy.newcastle.edu.au/R/help/04/09/4300.html
# Some ideas from Andy Liaw
# http://tolstoy.newcastle.edu.au/R/help/04/07/1076.html
# Use + for ascending, - for decending.
# Sorting is left to right in the formula
# Useage is either of the following:
# sort.data.frame(~Block-Variety,Oats)
# sort.data.frame(Oats,~-Variety+Block)

# If dat is the formula, then switch form and dat
  if(inherits(dat,"formula"))
    f=dat
    dat=form
    form=f
  
  if(form[[1]] != "~") 
    stop("Formula must be one-sided.")
  
# Make the formula into character and remove spaces
  formc <- as.character(form[2])
  formc <- gsub(" ","",formc)
# If the first character is not + or -, add +
  if(!is.element(substring(formc,1,1),c("+","-"))) 
    formc <- paste("+",formc,sep="")
  
# Extract the variables from the formula
  vars <- unlist(strsplit(formc, "[\\+\\-]"))
  vars <- vars[vars!=""] # Remove spurious "" terms
# Build a list of arguments to pass to "order" function
  calllist <- list()
  pos=1 # Position of + or -
  for(i in 1:length(vars))
    varsign <- substring(formc,pos,pos)
    pos <- pos+1+nchar(vars[i])
    if(is.factor(dat[,vars[i]]))
      if(varsign=="-")
        calllist[[i]] <- -rank(dat[,vars[i]])
      else
        calllist[[i]] <- rank(dat[,vars[i]])
    
    else 
      if(varsign=="-")
        calllist[[i]] <- -dat[,vars[i]]
      else
        calllist[[i]] <- dat[,vars[i]]
    
  
  dat[do.call("order",calllist),]
 

例子：

library(datasets)
sort.data.frame(~len+dose,ToothGrowth)

【问题讨论】：

plyr 包中的函数arrange 可能有点意思。

是的。不幸的是，它看起来不支持负（向后）排序，所以这个函数看起来仍然很有用。

我很确定 arrange 确实支持负排序：arrange(ToothGrowth,desc(dose),len)。

用 plyr 写了一个完整的答案——感谢@joran 的例子！

【参考方案1】：

那里有一些问题。 sort.data.frame 需要与泛型具有相同的参数，因此至少需要

sort.data.frame(x, decreasing = FALSE, ...) 
....

要进行分派工作，第一个参数需要是分派对象。所以我会开始：

sort.data.frame(x, decreasing = FALSE, formula = ~ ., ...) 
....

其中x 是您的dat，formula 是您的form，我们为公式提供了一个默认值以包含所有内容。 （我还没有详细研究过你的代码，看看form到底代表什么。）

当然，你不需要在调用中指定decreasing，所以：

sort(ToothGrowth, formula = ~ len + dose)

将是如何使用上述规范调用函数。

否则，如果您不希望 sort.data.frame 成为 S3 泛型，请将其命名为其他名称，然后您可以随意使用任何您想要的参数。

【讨论】：

通过部分匹配，写sort(ToothGrowth, f = ~ len + dose) 也不错，所以这就是我这样做并保持它的 S3ness 的原因。感谢您的建议。

我们不应该定义一个将公式作为第一个参数的sort.data.frame.formula，如果它没有通过Use.method 中的公式测试，那么将分派到sort.data.frame，它需要第一个参数数据论据？ （与aggregate.*的情况相同）

@DWin 你的意思是sort.formula，是吗？

我在想我想让它回退到sort.data.frame.default 方法或sort.dataframe，它将接受第一个参数作为数据框。

【参考方案2】：

我同意@Gavin 的观点，即x 必须排在第一位。不过，我会将decreasing 参数放在formula 之后——因为它可能没有被太多使用，而且几乎没有用作位置参数。

formula 参数将被使用得更多，因此应该是第二个参数。我也非常同意@Gavin 的观点，它应该被称为formula，而不是form。

sort.data.frame(x, formula = ~ ., decreasing = FALSE, ...) 
  ...

您可能希望扩展 decreasing 参数以允许逻辑向量，其中每个 TRUE/FALSE 值对应于公式中的一列：

d <- data.frame(A=1:10, B=10:1)
sort(d, ~ A+B, decreasing=c(A=TRUE, B=FALSE)) # sort by decreasing A, increasing B

【讨论】：

我like 将公式参数排在第二位，但我不确定我是否可以这样并且仍然让它成为一个 S3 类。我想根本没有decreasing，因为该公式采用否定参数，这意味着减少。

@gsk3, sort.int 仅将 decreasing=... 作为第四个参数，所以我猜你可以将 formula=... 作为第二个参数。我怀疑你也可以使用decreasing=NULL 并在你的代码中忽略这个参数（就像sort.int 在partial=TRUE 时忽略decreasing 一样）。 PS。所有这些都可以在?sort 中找到。

@Andrie，即使你颠倒顺序，因为decreasing 在泛型函数中被命名为第二，它会获取位置参数。所以很遗憾，它没有帮助。

@Andrie sort.int 不是sort 的方法。没有课程int。您可以使用methods(sort) 看到已实现的方法。

【参考方案3】：

在plyr 中使用arrange 函数。它允许您单独选择哪些变量应该按升序和降序排列：

arrange(ToothGrowth, len, dose)
arrange(ToothGrowth, desc(len), dose)
arrange(ToothGrowth, len, desc(dose))
arrange(ToothGrowth, desc(len), desc(dose))

它还有一个优雅的实现：

arrange <- function (df, ...) 
  ord <- eval(substitute(order(...)), df, parent.frame())
  unrowname(df[ord, ])

而desc只是一个普通的函数：

desc <- function (x) -xtfrm(x)

如果您正在编写此类函数，强烈建议您阅读xtfrm 的帮助。

【讨论】：

谢谢。这似乎准备成为我的替代品。但是我仍然很好奇如何使泛型及其方法保持一致，因为它经常出现在我身上。此外，从句法上讲，sort() 方法似乎使事情与其他数据类型保持一致。但这是一些漂亮的代码:-)

?arrange 表示：“# 注意：plyr 函数不保留 row.names”。如果想要保留row.names，这使得这个出色的功能不是最理想的。为什么不添加keep.row.names=FALSE 选项？

@landroni 因为我认为它们不是一个好主意 - 最好将它们添加为显式变量。

我明白了。但是，这仍然是与data.frame 相关的标准功能，至少就大多数用户而言，给这些用户选择是有用的。