R語言和Python中常見的排序函數應用

本篇內容主要講解“R語言和Python中常見的排序函數應用”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“R語言和Python中常見的排序函數應用”吧!

排序可能是日常數據清洗過程中比較高頻的應用了，今天這一篇給大家介紹R語言和Python中最為常見的排序函數應用。

R語言：

• sort

• order

• rank

• arrange

排序根據對向量排序和數據框的排序要使用不同的函數，以上四個函數中，前三個是針對向量的，最后一個是針對數據框的。

sort

x<-c(97,93,85,74,32,100,99,67)

sort(x,decreasing=F) #默認是生序排列，其中decreasing參數默認為FALSE。

sort(x,decreasing=T) #降序排列

order  

order(x,decreasing=F)  #變量由小到大在原始數據中的位次(默認升序可無需邏輯參數)

order(x,decreasing=T)  #按照由大到小的順序對應元素在原始向量中的微詞。

rank:

#rank函數返回向量的秩，即對應元素在原始向量中排名。

rank(x)

基于數據框自身的排序：

當針對數據框進行排序時，如同對數據框進行條件索引一樣，也可以基于數據框自身的方法來實現。

(mydata<-data.frame(name=LETTERS[1:10],class=sample(letters[1:4],10,replace=TRUE),value=runif(10,0,5)))

mydata[order(mydata$value),] #默認生序排列

mydata[order(mydata$value,decreasing=T),] #根據value降序排列

以上這種方式通過基于數據框自身的規則，完成了排序工作（實際上是一種布爾索引），但是不夠優雅，寫了繁瑣的變量名，而且只能根據一個字段來排序。

數據框排序-arrange

arrange函數的存在實在是R語言排序大殺器。

library(dplyr)

mydata%>%plyr::arrange(class,value)

mydata%>%plyr::arrange(class,-value)

arrange函數不僅可以實現多變量規則排序，而且可以僅以負號指定降序，語法簡潔，功能強大，其中多變量時，一般是分類變量在前，連續變量在后，粒度粗的維度排在最前面，分類變量排序粒度依次遞減。最后是連續變量。

-------------

Python:

-------------

• sort

• sorted

• .sort_index

• .sort_value

列表排序方法：

x=[97,93,85,74,32,100,99,67]

針對list的排序，Python提供有全局的sorted函數以及list自身的sort函數可以完成排序功能。

sorted(x)                           #默認生序

sorted(x,reverse=True)     #指定降序

x.sort()                      #默認生序

x.sort(reverse=True)   #指定降序

字典排序方法：

mydata={"A":97,"B":93,"C":85,"D":74,"E":32,"F":100,"G":99,"H":67}

sorted(mydata.keys())               #根據字典的鍵排序

sorted(mydata.keys(),reverse=True)  #根據字典的鍵逆排序

排序時按照鍵值對：

sorted(mydata.items(),key=lambda item:item[1])     #根據值字段生序排列

sorted(mydata.items(),key=lambda item:item[1],reverse=True) #根據值字段逆序排列

數據框排序：

import pandas as pd

import numpy as np

df1=pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008],

"gender":['male','female','male','female','male','female','male','female'],

"pay":['Y','N','Y','Y','N','Y','N','Y'],

"m-point":[10,12,20,40,40,40,30,20]})

pandas所生成的數據框同樣有sort方法。

根據值排序：

df1.sort_values(["id"])                  #使用值進行排序

df1.sort_values(["id"],ascending=False)  #降序排列

df1.sort_values(["pay","m-point"])       #排序多個字段

索引排序：

df1=df1.set_index('id')            #設置索引列

df1.sort_index()                   #使用索引進行排序

df1.sort_index(ascending=False)    #使用索引列降序排列

--------------

本節小結：

-----------

排序函數：

R語言：

向量：

• sort

• order

• rank

數據框：

• arrange

Python:

列表與字典：

• sort

• sorted

數據框：

• .sort_index

• .sort_value

到此，相信大家對“R語言和Python中常見的排序函數應用”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！