Comprendre la fonction order ()

J'essaie de comprendre comment order()fonctionne la fonction. J'avais l'impression qu'il retournait 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 revienne c(2, 3, 1, 4), car la liste triée serait 10 45 50 96.

Quelqu'un peut-il m'aider à comprendre la valeur de retour de cette fonction?

Cela semble l'expliquer.

La définition de orderest que a[order(a)]c'est dans un 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 éléments
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
, rankvous indique donc dans quel ordre les nombres sont, ordervous indique comment les obtenir par ordre croissant.

plot(a, rank(a)/length(a))donnera un graphique du CDF. Pour voir pourquoi orderc'est utile, essayez plot(a, rank(a)/length(a),type="S") ce qui donne un désordre, car les données ne sont pas dans l'ordre croissant

Si vous avez fait
oo<-order(a)
plot(a[oo],rank(a[oo])/length(a),type="S")
ou simplement
oo<-order(a)
plot(a[oo],(1:length(a))/length(a)),type="S")
vous obtenez un graphique linéaire du CDF.

Je parie que vous pensez au rang.

Pour trier un vecteur 1D ou une seule colonne de données, appelez simplement la fonction de tri et transmettez votre séquence.

D'autre part, la fonction de commande est nécessaire pour trier les données à deux dimensions, 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 de données pour les tentatives de buts sur le terrain lors de la saison 2008 de la NFL, une base 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 vouliez connaître la distance du plus long panier tenté cette année-là, qui l'a botté et s'il était bon ou non; vous voulez également connaître le deuxième plus long, ainsi que le troisième plus long, etc. et enfin, vous voulez la tentative de but sur le terrain la plus courte.

Eh bien, vous pouvez simplement faire ceci:

sort(fg$Dist, decreasing=T)

qui renvoie: 50 48 43 37 34 32 26 25 25 20

C'est correct, mais pas très utile - cela nous indique la distance de la tentative de panier la plus longue, la deuxième plus longue, ... ainsi que la plus courte; cependant, mais c'est tout ce que nous savons - par exemple, nous ne savons pas qui était le kicker, si la tentative a réussi, etc. voulez trier toutes les lignes de données sur l'attribut unique Dist . qui 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 fait l' ordre . C'est un «tri» pour les données bidimensionnelles; en d'autres termes, il 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 orienté ligne correct sur la colonne, Dist

Voilà comment cela fonctionne. Ci-dessus, le tri a été utilisé pour trier la colonne Dist; pour trier le dataframe entier sur la colonne Dist, nous utilisons 'order' exactement de la même manière que 'sort' est utilisé ci - dessus :

ndx = order(fg$Dist, decreasing=T)

(Je lie généralement le tableau retourné par 'order' à la variable 'ndx', qui signifie 'index', car je vais l'utiliser comme tableau d'index pour 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 réorganiser le dataframe, 'fg':

fg_sorted = fg[ndx,]

fg_sorted est le dataframe réordonné immédiatement au-dessus.

En somme, «sort» est utilisé pour créer un tableau d'index (qui spécifie l'ordre de tri de la colonne que vous souhaitez trier), qui est ensuite utilisé comme tableau d'index pour réorganiser la trame de données (ou la matrice).

(J'ai pensé qu'il pourrait être utile de présenter les idées très simplement ici pour résumer le bon matériel publié par @doug, et lié par @duffymo; +1 à chacun, btw.)

? order vous indique quel élément du vecteur original doit être placé en premier, deuxième, etc., afin de trier le vecteur original, tandis que ? rank 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  

Il en order(a)va de même pour dire: «mettez le troisième élément en premier lorsque vous triez ...», alors que rank(a)pour dire «le premier élément est le deuxième élément le plus bas…». (Notez qu'ils sont tous les deux d'accord sur l'élément le plus bas, etc.; ils présentent simplement les informations différemment.) Ainsi, nous voyons que nous pouvons utiliser order()pour trier, mais nous ne pouvons pas utiliser de rank()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()moins que le vecteur ait déjà été trié:

> b <- sort(a)  
> order(b)==rank(b)  
[1] TRUE TRUE TRUE TRUE  

De plus, comme il fonctionne order()(essentiellement) sur des rangs de données, vous pouvez les composer sans affecter les informations, mais l'inverse produit du charabia:

> order(rank(a))==order(a)  
[1] TRUE TRUE TRUE TRUE  
> rank(order(a))==rank(a)  
[1] FALSE FALSE FALSE  TRUE  

L'exécution de ce petit bout 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 "a" comme un sous-ensemble complet de "a" et que vous voulez qu'il soit ordonné de la valeur la plus basse à la plus élevée.

En termes simples, order()donne les emplacements des éléments de grandeur croissante.

Par exemple, order(c(10,20,30))donnera 1,2,3 et order(c(30,20,10))donnera 3,2,1 .

ils sont similaires mais pas identiques

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),]