使用 dplyr 执行一个简单的数据帧子集

Question

考虑以下数据帧切片：

df = data.frame(locations = c("argentina","brazil","argentina","denmark"),
                score = 1:4,
                row.names = c("a091", "b231", "a234", "d154"))
df

     locations score
a091 argentina     1
b231    brazil     2
a234 argentina     3
d154   denmark     4

sorted = c("a234","d154","a091") #in my real task these strings are provided from an exogenous function

df2 = df[sorted,] #quick and simple subset using rownames

编辑：在这里，我尝试根据sorted 对数据进行子集化和排序 - 抱歉，之前不清楚。所以输出，重要的是：

     locations score
a234 argentina     1
d154   denmark     4
a091 argentina     3

而不是像您从简单的子集操作中得到的那样：

     locations score
a091 argentina     1
a234 argentina     3
d154   denmark     4

我想在 dplyr 中做同样的事情。这是一个不雅的hack：

require(dplyr)    
dt = as_tibble(df)
rownames(dt) = rownames(df)

Warning message:
Setting row names on a tibble is deprecated.

dt2 = dt[sorted,]

我想正确地做，其中行名是数据表中的索引：

dt_proper = as_tibble(x = df,rownames = "index")
dt_proper2 = dt_proper %>% ?some_function(index, sorted)? #what would this be?

dt_proper2

# A tibble: 3 x 3
  index locations score
  <chr> <fct>     <int>
1 a091  argentina     1
2 d154  denmark       4
3 a234  argentina     3

但我终其一生都无法弄清楚如何使用filter 或其他一些 dplyr 函数来做到这一点，并且没有一些复杂的因子转换、重新排序因子水平等。

Answer 1

喂，

您可以简单地使用 mutate 和 filter 将数据框的 row.names 获取到索引列中，然后过滤到“排序”的向量，并根据向量“排序”对数据框进行排序：

df2 <- df %>% mutate(index=row.names(.)) %>% filter(index %in% sorted)
df2 <- df2[order(match(df2[,"index"], sorted))]

Answer 2

我想我已经明白了：

dt_proper2 = dt_proper[match(sorted,dt_proper$index),]

似乎是df[sorted,] 的最短实现。

Answer 3

tidyverse 中的函数（dplyr、tibble 等）是围绕这个概念构建的（据我所知），行只包含属性（列），没有行名/标签/索引。因此，为了对列进行排序，您必须引入一个包含每行排名的新列。

我这样做的方法是创建另一个包含您的“排序信息”（排序属性，排名）的小标题，并将其内部连接到您的原始小标题。然后我可以按等级对行进行排序。

library(tidyverse)

# note that I've changed the third column's name to avoid confusion
df = tibble(
  locations = c("argentina","brazil","argentina","denmark"),
  score = 1:4,
  custom_id = c("a091", "b231", "a234", "d154")
  )

sorted_ids = c("a234","d154","a091")

sorting_info = tibble(
  custom_id = sorted_ids,
  rank = 1:length(sorted_ids)
  )

ordered_ids = df %>%
  inner_join(sorting_info) %>% 
  arrange(rank) %>%
  select(-rank)