我想按多列对数据帧进行排序。例如，对于下面的数据帧，我希望按列“z”（降序）排序，然后按列“b”（升序）排序：
dd <- data.frame(b = factor(c("Hi", "Med", "Hi", "Low"),
levels = c("Low", "Med", "Hi"), ordered = TRUE),
x = c("A", "D", "A", "C"), y = c(8, 3, 9, 9),
z = c(1, 1, 1, 2))
dd
b x y z
1 Hi A 8 1
2 Med D 3 1
3 Hi A 9 1
4 Low C 9 2
当前回答
R包data.table使用简单的语法（Matt在回答中很好地强调了这一点）提供了data.table的快速排序和内存高效排序。从那时起，已经有了很多改进，并且有了一个新的函数setorder（）。从v1.9.5+开始，setorder（）也适用于data.frames。
首先，我们将创建一个足够大的数据集，并对其他答案中提到的不同方法进行基准测试，然后列出data.table的特性。
数据：
require(plyr)
require(doBy)
require(data.table)
require(dplyr)
require(taRifx)
set.seed(45L)
dat = data.frame(b = as.factor(sample(c("Hi", "Med", "Low"), 1e8, TRUE)),
x = sample(c("A", "D", "C"), 1e8, TRUE),
y = sample(100, 1e8, TRUE),
z = sample(5, 1e8, TRUE),
stringsAsFactors = FALSE)
基准：
报告的计时来自运行system.time（…）的这些函数，如下所示。时间列表如下（按最慢到最快的顺序）。
orderBy( ~ -z + b, data = dat) ## doBy
plyr::arrange(dat, desc(z), b) ## plyr
arrange(dat, desc(z), b) ## dplyr
sort(dat, f = ~ -z + b) ## taRifx
dat[with(dat, order(-z, b)), ] ## base R
# convert to data.table, by reference
setDT(dat)
dat[order(-z, b)] ## data.table, base R like syntax
setorder(dat, -z, b) ## data.table, using setorder()
## setorder() now also works with data.frames
# R-session memory usage (BEFORE) = ~2GB (size of 'dat')
# ------------------------------------------------------------
# Package function Time (s) Peak memory Memory used
# ------------------------------------------------------------
# doBy orderBy 409.7 6.7 GB 4.7 GB
# taRifx sort 400.8 6.7 GB 4.7 GB
# plyr arrange 318.8 5.6 GB 3.6 GB
# base R order 299.0 5.6 GB 3.6 GB
# dplyr arrange 62.7 4.2 GB 2.2 GB
# ------------------------------------------------------------
# data.table order 6.2 4.2 GB 2.2 GB
# data.table setorder 4.5 2.4 GB 0.4 GB
# ------------------------------------------------------------
data.table的DT[order（…）]语法比其他最快的方法（dplyr）快约10倍，同时消耗与dplyr相同的内存量。data.table的setorder（）比其他最快的方法（dplyr）快了约14倍，只需要0.4GB的额外内存。dat现在按照我们要求的顺序（通过引用更新）。
数据表功能：
速度：
表的排序非常快，因为它实现了基数排序。语法DT[order（…）]在内部进行了优化，以使用data.table的快速排序。您可以继续使用熟悉的基本R语法，但可以加快处理速度（并且使用更少的内存）。
内存：
大多数时候，我们不需要重新排序后的原始data.frame或data.table。也就是说，我们通常将结果分配回同一个对象，例如：DF<-DF[订单（…）]问题是，这至少需要原始对象的两倍（2倍）内存。为了提高内存效率，data.table还提供了一个函数setorder（）。setorder（）通过引用（就地）重新排序data.tables，而无需创建任何其他副本。它只使用相当于一列大小的额外内存。
其他功能：
它支持整数、逻辑、数字、字符和偶数位64:：integer64类型。请注意，factor、Date、POSIXct等.类下面都是带有附加属性的整数/数字类型，因此也受支持。在基R中，我们不能使用字符向量上的-按该列降序排序。相反，我们必须使用-xtfrm（.）。然而，在data.table中，我们可以只做dat[order（-x）]或setorder（dat，-x）。
其他回答
Dirk的回答很好，但如果您需要排序来持久化，您需要将排序应用回数据帧的名称。使用示例代码：
dd <- dd[with(dd, order(-z, b)), ]
R包data.table使用简单的语法（Matt在回答中很好地强调了这一点）提供了data.table的快速排序和内存高效排序。从那时起，已经有了很多改进，并且有了一个新的函数setorder（）。从v1.9.5+开始，setorder（）也适用于data.frames。
首先，我们将创建一个足够大的数据集，并对其他答案中提到的不同方法进行基准测试，然后列出data.table的特性。
数据：
require(plyr)
require(doBy)
require(data.table)
require(dplyr)
require(taRifx)
set.seed(45L)
dat = data.frame(b = as.factor(sample(c("Hi", "Med", "Low"), 1e8, TRUE)),
x = sample(c("A", "D", "C"), 1e8, TRUE),
y = sample(100, 1e8, TRUE),
z = sample(5, 1e8, TRUE),
stringsAsFactors = FALSE)
基准：
报告的计时来自运行system.time（…）的这些函数，如下所示。时间列表如下（按最慢到最快的顺序）。
orderBy( ~ -z + b, data = dat) ## doBy
plyr::arrange(dat, desc(z), b) ## plyr
arrange(dat, desc(z), b) ## dplyr
sort(dat, f = ~ -z + b) ## taRifx
dat[with(dat, order(-z, b)), ] ## base R
# convert to data.table, by reference
setDT(dat)
dat[order(-z, b)] ## data.table, base R like syntax
setorder(dat, -z, b) ## data.table, using setorder()
## setorder() now also works with data.frames
# R-session memory usage (BEFORE) = ~2GB (size of 'dat')
# ------------------------------------------------------------
# Package function Time (s) Peak memory Memory used
# ------------------------------------------------------------
# doBy orderBy 409.7 6.7 GB 4.7 GB
# taRifx sort 400.8 6.7 GB 4.7 GB
# plyr arrange 318.8 5.6 GB 3.6 GB
# base R order 299.0 5.6 GB 3.6 GB
# dplyr arrange 62.7 4.2 GB 2.2 GB
# ------------------------------------------------------------
# data.table order 6.2 4.2 GB 2.2 GB
# data.table setorder 4.5 2.4 GB 0.4 GB
# ------------------------------------------------------------
data.table的DT[order（…）]语法比其他最快的方法（dplyr）快约10倍，同时消耗与dplyr相同的内存量。data.table的setorder（）比其他最快的方法（dplyr）快了约14倍，只需要0.4GB的额外内存。dat现在按照我们要求的顺序（通过引用更新）。
数据表功能：
速度：
表的排序非常快，因为它实现了基数排序。语法DT[order（…）]在内部进行了优化，以使用data.table的快速排序。您可以继续使用熟悉的基本R语法，但可以加快处理速度（并且使用更少的内存）。
内存：
大多数时候，我们不需要重新排序后的原始data.frame或data.table。也就是说，我们通常将结果分配回同一个对象，例如：DF<-DF[订单（…）]问题是，这至少需要原始对象的两倍（2倍）内存。为了提高内存效率，data.table还提供了一个函数setorder（）。setorder（）通过引用（就地）重新排序data.tables，而无需创建任何其他副本。它只使用相当于一列大小的额外内存。
其他功能：
它支持整数、逻辑、数字、字符和偶数位64:：integer64类型。请注意，factor、Date、POSIXct等.类下面都是带有附加属性的整数/数字类型，因此也受支持。在基R中，我们不能使用字符向量上的-按该列降序排序。相反，我们必须使用-xtfrm（.）。然而，在data.table中，我们可以只做dat[order（-x）]或setorder（dat，-x）。
您的选择
从基础订购从dplyr安排data.table中的setorder和setorderv从plyer安排从taRifx排序orderBy来自doBy从推断器中排序数据
大多数时候，您应该使用dplyr或data.table解决方案，除非没有依赖关系很重要，在这种情况下使用base:：order。
我最近将sort.data.frame添加到CRAN包中，使其类兼容，如下所述：为sort.data.frame创建通用/方法一致性的最佳方法？
因此，给定data.frame dd，可以按如下方式排序：
dd <- data.frame(b = factor(c("Hi", "Med", "Hi", "Low"),
levels = c("Low", "Med", "Hi"), ordered = TRUE),
x = c("A", "D", "A", "C"), y = c(8, 3, 9, 9),
z = c(1, 1, 1, 2))
library(taRifx)
sort(dd, f= ~ -z + b )
如果您是该函数的原始作者之一，请与我联系。关于公共域的讨论如下：https://chat.stackoverflow.com/transcript/message/1094290#1094290
您还可以使用plyr中的arrange（）函数，正如Hadley在上面的线程中指出的那样：
library(plyr)
arrange(dd,desc(z),b)
基准测试：注意，我在一个新的R会话中加载了每个包，因为有很多冲突。特别是，加载doBy包会导致排序返回“以下对象从‘x（位置17）’屏蔽：b，x，y，z”，并且加载演绎器包会覆盖Kevin Wright或taRifx包的sort.data.frame。
#Load each time
dd <- data.frame(b = factor(c("Hi", "Med", "Hi", "Low"),
levels = c("Low", "Med", "Hi"), ordered = TRUE),
x = c("A", "D", "A", "C"), y = c(8, 3, 9, 9),
z = c(1, 1, 1, 2))
library(microbenchmark)
# Reload R between benchmarks
microbenchmark(dd[with(dd, order(-z, b)), ] ,
dd[order(-dd$z, dd$b),],
times=1000
)
中值时间：
dd[带（dd，顺序（-z，b）），]778
dd[订单（-dd$z，dd$b），]788
library(taRifx)
microbenchmark(sort(dd, f= ~-z+b ),times=1000)
中位时间：1567
library(plyr)
microbenchmark(arrange(dd,desc(z),b),times=1000)
中位时间：862
library(doBy)
microbenchmark(orderBy(~-z+b, data=dd),times=1000)
中位时间：1694
注意，doBy需要很长时间来加载包。
library(Deducer)
microbenchmark(sortData(dd,c("z","b"),increasing= c(FALSE,TRUE)),times=1000)
无法使扣减器加载。需要JGR控制台。
esort <- function(x, sortvar, ...) {
attach(x)
x <- x[with(x,order(sortvar,...)),]
return(x)
detach(x)
}
microbenchmark(esort(dd, -z, b),times=1000)
由于连接/分离，似乎与微基准测试不兼容。
m <- microbenchmark(
arrange(dd,desc(z),b),
sort(dd, f= ~-z+b ),
dd[with(dd, order(-z, b)), ] ,
dd[order(-dd$z, dd$b),],
times=1000
)
uq <- function(x) { fivenum(x)[4]}
lq <- function(x) { fivenum(x)[2]}
y_min <- 0 # min(by(m$time,m$expr,lq))
y_max <- max(by(m$time,m$expr,uq)) * 1.05
p <- ggplot(m,aes(x=expr,y=time)) + coord_cartesian(ylim = c( y_min , y_max ))
p + stat_summary(fun.y=median,fun.ymin = lq, fun.ymax = uq, aes(fill=expr))
（线从下四分位延伸到上四分位，点是中间值）
考虑到这些结果，并权衡了简单性与速度，我不得不同意在plyer包中进行安排。它有一个简单的语法，但它的速度几乎和基本的R命令一样快，而且具有复杂的机制。典型的杰出哈德利·威克姆作品。我唯一的不满是它打破了按排序（对象）调用排序对象的标准R命名法，但我理解哈德利之所以这样做，是因为上面所讨论的问题。
或者您可以使用包doBy
library(doBy)
dd <- orderBy(~-z+b, data=dd)
或者，使用包扣减器
library(Deducer)
dd<- sortData(dd,c("z","b"),increasing= c(FALSE,TRUE))
