dplyr包之排列: arrange()

Description

This function completes the subsetting, transforming and ordering triad with a function that works in a similar way to subset and transform but for reordering a data frame by its columns. This saves a lot of typing!

这个函数完成构造子集,转换（）将和排序三合会与一个函数以类似的方式工作的子集,但是对于重新排序一个数据框的列，这可以节省大量输入!

使用方法

1.简单排序

传统排序方式

 mtcars[with(mtcars, order(cyl, disp)), ]
                     mpg cyl  disp  hp drat    wt  qsec vs am gear carb
.......
Merc 230            22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
.......
Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
返回按cyl以升序然后对disp升序排序的数据框

dplyr::arrange(mtcars, cyl, disp)

                     mpg cyl  disp  hp drat    wt  qsec vs am gear carb
.......
Merc 230            22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
.......
Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
返回结果同上

不返回行号所以如要行号的话需要把行号加到数据框中

myCars = cbind(vehicle=row.names(mtcars), mtcars)

dplyr::arrange(myCars, cyl, disp)
               vehicle  mpg cyl  disp  hp drat    wt  qsec vs am gear carb
1       Toyota Corolla 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
2          Honda Civic 30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
3             Fiat 128 32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
4            Fiat X1-9 27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
5         Lotus Europa 30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
6           Datsun 710 22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
7        Toyota Corona 21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
8        Porsche 914-2 26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
9           Volvo 142E 21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
10            Merc 230 22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
11           Merc 240D 24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
12        Ferrari Dino 19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
13           Mazda RX4 21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
14       Mazda RX4 Wag 21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4

第二种

降序返回

dplyr::arrange(myCars, cyl, desc(disp))
               vehicle  mpg cyl  disp  hp drat    wt  qsec vs am gear carb
1            Merc 240D 24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
2             Merc 230 22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
3           Volvo 142E 21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
4        Porsche 914-2 26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
5        Toyota Corona 21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
6           Datsun 710 22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
7         Lotus Europa 30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
8            Fiat X1-9 27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
9             Fiat 128 32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
10         Honda Civic 30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
11      Toyota Corolla 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
12      Hornet 4 Drive 21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
13             Valiant 18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
14            Merc 280 19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
15           Merc 280C 17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
16           Mazda RX4 21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
17       Mazda RX4 Wag 21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
18        Ferrari Dino 19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
19  Cadillac Fleetwood 10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
20 Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
21   Chrysler Imperial 14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4