您可以直接使用order（）函数，而无需使用附加工具——请参阅这个更简单的答案，它使用了示例（order）代码顶部的技巧：

R> dd[with(dd, order(-z, b)), ]
    b x y z
4 Low C 9 2
2 Med D 3 1
1  Hi A 8 1
3  Hi A 9 1

两年多后编辑：只是被问到如何按列索引进行编辑。答案是简单地将所需的排序列传递给order（）函数：

R> dd[order(-dd[,4], dd[,1]), ]
    b x y z
4 Low C 9 2
2 Med D 3 1
1  Hi A 8 1
3  Hi A 9 1
R> 

而不是使用列的名称（使用with（）可以更方便/更直接地访问）。

就像很久以前的机械卡片分拣机一样，首先按最不重要的键排序，然后按下一个最重要的键进行排序。不需要库，可以使用任意数量的键以及任意组合的升序和降序键。

 dd <- dd[order(dd$b, decreasing = FALSE),]

现在我们准备好做最重要的关键。这一类是稳定的，最重要的密钥中的任何联系都已经解决。

dd <- dd[order(dd$z, decreasing = TRUE),]

这可能不是最快的，但它确实简单可靠

或者，使用包扣减器

library(Deducer)
dd<- sortData(dd,c("z","b"),increasing= c(FALSE,TRUE))

当我想自动化n列的排序过程时，我正在与上述解决方案作斗争，因为每一列的列名都可能不同。我从psych包中找到了一个非常有用的功能，可以直接实现这一点：

dfOrder(myDf, columnIndices)

其中columnIndex是一个或多个列的索引，按要对其排序的顺序排列。此处提供更多信息：

“psych”包中的dfOrder函数

另一种选择是使用rgr包：

> library(rgr)
> gx.sort.df(dd, ~ -z+b)
    b x y z
4 Low C 9 2
2 Med D 3 1
1  Hi A 8 1
3  Hi A 9 1

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。