Estoy tratando de entender cómo order()funciona la función. Tenía la impresión de que devolvía una permutación de índices, que cuando se ordenaban, ordenarían el vector original.
Por ejemplo,
> a <- c(45,50,10,96)
> order(a)
[1] 3 1 2 4
Hubiera esperado que esto regresara c(2, 3, 1, 4), ya que la lista ordenada sería 10 45 50 96.
¿Alguien puede ayudarme a comprender el valor de retorno de esta función?
Respuestas:
Esto parece explicarlo.
La definición de
orderes quea[order(a)]está en orden creciente. Esto funciona con su ejemplo, donde el orden correcto es el cuarto, segundo, primero y luego tercer elemento.Es posible que haya estado buscando
rank, que devuelve el rango de los elementos,
R> a <- c(4.1, 3.2, 6.1, 3.1)
R> order(a)
[1] 4 2 1 3
R> rank(a)
[1] 3 2 4 1
porranklo que le indica en qué orden están los númerosordery cómo obtenerlos en orden ascendente.
plot(a, rank(a)/length(a))dará un gráfico de la CDF. Sinorderembargo, para ver por qué es útil, intenteplot(a, rank(a)/length(a),type="S")cuál da un lío, porque los datos no están en orden crecienteSi lo hizo
oo<-order(a)
plot(a[oo],rank(a[oo])/length(a),type="S")
o simplemente
oo<-order(a)
plot(a[oo],(1:length(a))/length(a)),type="S")
obtendrá un gráfico lineal del CDF.
Apuesto a que estás pensando en el rango.
order(a, decreasing = T)y rank(a)devolverá una respuesta equivalente.
a<-c(4,2,1,80,13)Entonces order(a)debería ser 3 4 5 1 2, pero extrañamente lo estoy recibiendo3 2 1 5 4
ranky lo ordermismo?
order(order(a))volverá igual que rank(a) si no hubiera empates. Si los hay, devolverá lo mismo que rank(a, ties.method="first").
Para ordenar un vector 1D o una sola columna de datos, simplemente llame a la función de ordenación y pase su secuencia.
Por otra parte, la orden función es necesaria para ordenar los datos dos datos dimensionales - es decir, múltiples columnas de datos recogidos en una matriz o trama de datos.
Stadium Home Week Qtr Away Off Def Result Kicker Dist
751 Out PHI 14 4 NYG PHI NYG Good D.Akers 50
491 Out KC 9 1 OAK OAK KC Good S.Janikowski 32
702 Out OAK 15 4 CLE CLE OAK Good P.Dawson 37
571 Out NE 1 2 OAK OAK NE Missed S.Janikowski 43
654 Out NYG 11 2 PHI NYG PHI Good J.Feely 26
307 Out DEN 14 2 BAL DEN BAL Good J.Elam 48
492 Out KC 13 3 DEN KC DEN Good L.Tynes 34
691 Out NYJ 17 3 BUF NYJ BUF Good M.Nugent 25
164 Out CHI 13 2 GB CHI GB Good R.Gould 25
80 Out BAL 1 2 IND IND BAL Good M.Vanderjagt 20
Aquí hay un extracto de datos para intentos de gol de campo en la temporada 2008 de la NFL, un marco de datos que he llamado 'fg'. suponga que estos 10 puntos de datos representan todos los goles de campo intentados en 2008; además, suponga que desea saber la distancia del gol de campo más largo que se intentó ese año, quién lo pateó y si fue bueno o no; también desea conocer el segundo más largo, así como el tercero más largo, etc .; y finalmente quieres el intento de gol de campo más corto.
Bueno, podrías hacer esto:
sort(fg$Dist, decreasing=T)
que devuelve: 50 48 43 37 34 32 26 25 25 20
Eso es correcto, pero no muy útil - nos dice la distancia del intento de gol de campo más largo, el segundo más largo, ... así como el más corto; sin embargo, pero eso es todo lo que sabemos, por ejemplo, no sabemos quién fue el pateador, si el intento fue exitoso, etc. Por supuesto, necesitamos todo el marco de datos ordenado en la columna "Dist" (dicho de otra manera, desea ordenar todas las filas de datos en el atributo único Dist . que se vería así:
Stadium Home Week Qtr Away Off Def Result Kicker Dist
751 Out PHI 14 4 NYG PHI NYG Good D.Akers 50
307 Out DEN 14 2 BAL DEN BAL Good J.Elam 48
571 Out NE 1 2 OAK OAK NE Missed S.Janikowski 43
702 Out OAK 15 4 CLE CLE OAK Good P.Dawson 37
492 Out KC 13 3 DEN KC DEN Good L.Tynes 34
491 Out KC 9 1 OAK OAK KC Good S.Janikowski 32
654 Out NYG 11 2 PHI NYG PHI Good J.Feely 26
691 Out NYJ 17 3 BUF NYJ BUF Good M.Nugent 25
164 Out CHI 13 2 GB CHI GB Good R.Gould 25
80 Out BAL 1 2 IND IND BAL Good M.Vanderjagt 20
Eso es lo que hace el orden . Es 'ordenado' para datos bidimensionales; dicho de otra manera, devuelve un índice entero 1D compuesto por los números de fila de modo que ordenar las filas de acuerdo con ese vector le daría una clasificación correcta orientada a filas en la columna, Dist
Así es como funciona. Por encima, una especie se utiliza para ordenar la columna Dist; para ordenar todo el marco de datos en la columna Dist, usamos 'order' exactamente de la misma manera que 'sort' se usa arriba :
ndx = order(fg$Dist, decreasing=T)
(Por lo general, asocio la matriz devuelta de 'orden' a la variable 'ndx', que significa 'índice', porque la usaré como una matriz de índice para ordenar).
ese fue el paso 1, aquí está el paso 2:
'ndx', lo que devuelve 'sort' se usa como una matriz de índice para reordenar el marco de datos, 'fg':
fg_sorted = fg[ndx,]
fg_sorted es el marco de datos reordenado inmediatamente arriba.
En resumen, 'ordenar' se usa para crear una matriz de índice (que especifica el orden de clasificación de la columna que desea ordenar), que luego se usa como una matriz de índice para reordenar el marco de datos (o matriz).
(Pensé que podría ser útil presentar las ideas de manera muy simple aquí para resumir el buen material publicado por @doug y vinculado por @duffymo; +1 a cada uno, por cierto).
? order le dice qué elemento del vector original debe colocarse primero, segundo, etc., para ordenar el vector original, mientras que ? rank le dice qué elemento tiene el valor más bajo, el segundo más bajo, etc. Por ejemplo:
> a <- c(45, 50, 10, 96)
> order(a)
[1] 3 1 2 4
> rank(a)
[1] 2 3 1 4
Por order(a)lo tanto , decir, 'coloque el tercer elemento primero cuando clasifique ...', mientras que rank(a)está diciendo, 'el primer elemento es el segundo más bajo ...'. (Tenga en cuenta que ambos están de acuerdo sobre qué elemento es el más bajo, etc .; simplemente presentan la información de manera diferente). Por lo tanto, vemos que podemos usar order()para ordenar, pero no podemos usar de rank()esa manera:
> a[order(a)]
[1] 10 45 50 96
> sort(a)
[1] 10 45 50 96
> a[rank(a)]
[1] 50 10 45 96
En general, order()no será igual a rank()menos que el vector ya se haya ordenado:
> b <- sort(a)
> order(b)==rank(b)
[1] TRUE TRUE TRUE TRUE
Además, dado order()que (esencialmente) está operando sobre rangos de datos, podría componerlos sin afectar la información, pero al revés produce un galimatías:
> order(rank(a))==order(a)
[1] TRUE TRUE TRUE TRUE
> rank(order(a))==rank(a)
[1] FALSE FALSE FALSE TRUE
ordery rankson en realidad inversos entre sí (al menos siempre que los valores de asean únicos). Si imagina que cada uno tiene nombres (/ etiquetas) ('1', '2', '3', '4') en sus valores, entonces los valores de order(a)le indican en qué posición en rank(a)cada etiqueta se encuentra (por ejemplo, el primer valor de order(a)(3) le dice que '1' ocurre en la tercera posición de rank(a), y viceversa (por ejemplo, el segundo valor de rank(a)(3) le dice que '2' ocurre en la tercera posición de order(a)). Son permutaciones inversas: rank(order(a))= order(rank(a))=1 2 3 4
Ejecutar este pequeño código me permitió comprender la función de pedido
x <- c(3, 22, 5, 1, 77)
cbind(
index=1:length(x),
rank=rank(x),
x,
order=order(x),
sort=sort(x)
)
index rank x order sort
[1,] 1 2 3 4 1
[2,] 2 4 22 1 3
[3,] 3 3 5 3 5
[4,] 4 1 1 2 22
[5,] 5 5 77 5 77
Referencia: http://r.789695.n4.nabble.com/I-don-t-understand-the-order-function-td4664384.html
xen cbind().
Esto podría ayudarte en algún momento.
a <- c(45,50,10,96)
a[order(a)]
Lo que obtienes es
[1] 10 45 50 96
El código que escribí indica que quieres "a" como un subconjunto completo de "a" y quieres que esté ordenado del valor más bajo al más alto.
En palabras simples, order()da la ubicación de elementos de magnitud creciente.
Por ejemplo, order(c(10,20,30))dará 1,2,3 y
order(c(30,20,10))dará 3,2,1 .
son similares pero no iguales
set.seed(0)
x<-matrix(rnorm(10),1)
# one can compute from the other
rank(x) == col(x)%*%diag(length(x))[order(x),]
order(x) == col(x)%*%diag(length(x))[rank(x),]
# rank can be used to sort
sort(x) == x%*%diag(length(x))[rank(x),]
all(x==x[order(x)][rank(x)])siempre es cierto. algunas permutaciones son inversas, pero la mayoría no lo es. lo inverso a la permutación de ordenamiento que sale del orden () es rank (). esto explica por qué a veces son iguales y otras no.