Comprendre la fonction order ()
J'essaie de comprendre comment fonctionne la fonction order(). J'avais l'impression qu'il renvoyait une permutation d'indices qui, une fois triés, trieraient le vecteur d'origine.
Par exemple,
> a <- c(45,50,10,96)
> order(a)
[1] 3 1 2 4
Je me serais attendu à ce que cela retourne c(2, 3, 1, 4), puisque la liste triée serait 10 45 50 96.
Est-ce que quelqu'un peut m'aider à comprendre la valeur de retour de cette fonction?
This semble l'expliquer.
La définition de
orderest quea[order(a)]est en ordre croissant. Cela fonctionne avec votre exemple, où l'ordre correct est le quatrième, deuxième, premier, puis troisième élément.Vous avez peut-être cherché
rank, qui renvoie le rang des élémentsR> a <- c(4.1, 3.2, 6.1, 3.1)R> order(a)[1] 4 2 1 3R> rank(a)[1] 3 2 4 1
doncrankvous indique dans quel ordre se trouvent les nombres,ordervous indique comment les obtenir par ordre croissant.
plot(a, rank(a)/length(a))donnera un graphique du CDF. Pour voir pourquoiorderest utile, essayez cependantplot(a, rank(a)/length(a),type="S")qui donne le bazar, car les données ne sont pas dans l'ordre croissantSi vous avez fait
oo<-order(a)plot(a[oo],rank(a[oo])/length(a),type="S")
ou simplementoo<-order(a)plot(a[oo],(1:length(a))/length(a)),type="S")
vous obtenez un graphique linéaire du CDF.
Je parie que vous songez au rang.
Pour trier un vecteur 1D ou une seule colonne de données, appelez simplement la fonction sort et transmettez votre séquence.
D'autre part, la fonction order est nécessaire pour trier les données deux - données dimensionnelles - c'est-à-dire plusieurs colonnes de données collectées dans une matrice ou une trame de données.
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
Voici un extrait des données relatives aux tentatives d'objectifs de la saison 2008 de la NFL, une trame de données que j'ai appelée "fg". supposons que ces 10 points de données représentent tous les objectifs de terrain tentés en 2008; Supposons en outre que vous souhaitiez connaître la distance du plus long placement sur le terrain tenté cette année-là, qui l'a lancé et si c'était bon ou non; vous voulez aussi connaître le deuxième plus long, ainsi que le troisième plus long, etc. et enfin vous voulez la plus courte tentative d'objectifs.
Eh bien, vous pouvez simplement faire ceci:
sort(fg$Dist, decreasing=T)
qui retourne: 50 48 43 37 34 32 26 25 25 25 20
C'est correct, mais pas très utile - cela nous indique la distance de la plus longue tentative de placement sur le terrain, la deuxième plus longue, ... ainsi que la plus courte; Cependant, c’est tout ce que nous savons - par exemple, nous ne savons pas qui était le botteur, si la tentative a été un succès, etc. Bien sûr, nous avons besoin de l’ensemble du cadre de données trié dans la colonne "Dist" vouloir trier toutes les lignes de données sur l'attribut unique Dist . Cela ressemblerait à ceci:
Stadium Home Week Qtr Away Off Def Result Kicker Dist
751 Out PHI 14 4 NYG PHI NYG Good D.Akers 50
307 Out DEN 14 2 BAL DEN BAL Good J.Elam 48
571 Out NE 1 2 Oak OAK NE Missed S.Janikowski 43
702 Out Oak 15 4 CLE CLE Oak Good P.Dawson 37
492 Out KC 13 3 DEN KC DEN Good L.Tynes 34
491 Out KC 9 1 Oak OAK KC Good S.Janikowski 32
654 Out NYG 11 2 PHI NYG PHI Good J.Feely 26
691 Out NYJ 17 3 BUF NYJ BUF Good M.Nugent 25
164 Out CHI 13 2 GB CHI GB Good R.Gould 25
80 Out BAL 1 2 IND IND BAL Good M.Vanderjagt 20
C'est ce que ordre fait. C'est un "tri" pour les données à deux dimensions; En d'autres termes, elle renvoie un index entier 1D composé des numéros de ligne, de sorte que le tri des lignes en fonction de ce vecteur vous donnerait un tri correct, orienté ligne sur la colonne, Dist
Voici comment cela fonctionne. Ci-dessus, sort a été utilisé pour trier la colonne Dist; pour trier l'intégralité du cadre de données sur la colonne Dist, nous utilisons 'order' de la même manière que 'sort' est utilisé ci-dessus :
ndx = order(fg$Dist, decreasing=T)
(Je lie généralement le tableau renvoyé de 'order' à la variable 'ndx', qui signifie 'index', parce que je vais l'utiliser comme un tableau d'index à trier.)
c'était l'étape 1, voici l'étape 2:
'ndx', ce qui est retourné par 'sort' est ensuite utilisé comme tableau d'index pour réordonner le cadre de données, 'fg':
fg_sorted = fg[ndx,]
fg_sorted est la trame de données réorganisée immédiatement ci-dessus.
En résumé, 'sort' est utilisé pour créer un tableau d'index (qui spécifie l'ordre de tri de la colonne à trier), qui sert ensuite de tableau d'index pour réorganiser le cadre de données (ou la matrice).
(J'ai pensé qu'il serait peut-être utile de présenter les idées très simplement ici pour résumer le bon matériel posté par @doug, et lié par @duffymo; +1 à chaque, en fait.)
? order vous indique quel élément du vecteur d'origine doit être placé en premier, second, etc., afin de trier le vecteur d'origine, alors que ? rang vous indique quel élément a la valeur la plus basse, la deuxième plus basse, etc. Par exemple:
> a <- c(45, 50, 10, 96)
> order(a)
[1] 3 1 2 4
> rank(a)
[1] 2 3 1 4
Donc, order(a) dit: 'placez le troisième élément en premier lorsque vous triez ...', alors que rank(a) dit: 'le premier élément est le deuxième plus bas ...'. (Notez qu'ils sont tous les deux d’accord sur l’élément le plus bas, etc.; ils ne font que présenter les informations différemment.) Nous voyons donc que nous pouvons utiliser order() pour trier, mais nous ne pouvons pas utiliser rank() de cette façon:
> a[order(a)]
[1] 10 45 50 96
> sort(a)
[1] 10 45 50 96
> a[rank(a)]
[1] 50 10 45 96
En général, order() ne sera pas égal à rank() sauf si le vecteur a déjà été trié:
> b <- sort(a)
> order(b)==rank(b)
[1] TRUE TRUE TRUE TRUE
De plus, étant donné que order() opère (essentiellement) sur plusieurs rangs de données, vous pouvez les composer sans affecter l'information, mais l'inverse produit un charabia:
> order(rank(a))==order(a)
[1] TRUE TRUE TRUE TRUE
> rank(order(a))==rank(a)
[1] FALSE FALSE FALSE TRUE
Utiliser ce petit morceau de code m'a permis de comprendre la fonction de commande
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
Référence: http://r.789695.n4.nabble.com/I-don-t-understand-the-order-function-td4664384.html
Cela pourrait vous aider à un moment donné.
a <- c(45,50,10,96)
a[order(a)]
Ce que vous obtenez est
[1] 10 45 50 96
Le code que j'ai écrit indique que vous voulez "un" ensemble d'un sous-ensemble de "a" et que vous voulez qu'il soit ordonné de la valeur la plus basse à la plus haute.
En termes simples, order() donne les emplacements des éléments de plus en plus importants.
Par exemple, order(c(10,20,30)) donnera 1,2, et order(c(30,20,10)) donnera ,2,1.