R ordena un vector por su propia cuenta - ¡chico malo!

Question

df.sorted <- c("binned_walker1_1.grd", "binned_walker1_2.grd", "binned_walker1_3.grd", 
    "binned_walker1_4.grd", "binned_walker1_5.grd", "binned_walker1_6.grd", 
    "binned_walker2_1.grd", "binned_walker2_2.grd", "binned_walker3_1.grd", 
    "binned_walker3_2.grd", "binned_walker3_3.grd", "binned_walker3_4.grd", 
    "binned_walker3_5.grd", "binned_walker4_1.grd", "binned_walker4_2.grd", 
    "binned_walker4_3.grd", "binned_walker4_4.grd", "binned_walker4_5.grd", 
    "binned_walker5_1.grd", "binned_walker5_2.grd", "binned_walker5_3.grd", 
    "binned_walker5_4.grd", "binned_walker5_5.grd", "binned_walker5_6.grd", 
    "binned_walker6_1.grd", "binned_walker7_1.grd", "binned_walker7_2.grd", 
    "binned_walker7_3.grd", "binned_walker7_4.grd", "binned_walker7_5.grd", 
    "binned_walker8_1.grd", "binned_walker8_2.grd", "binned_walker9_1.grd", 
    "binned_walker9_2.grd", "binned_walker9_3.grd", "binned_walker9_4.grd", 
    "binned_walker10_1.grd", "binned_walker10_2.grd", "binned_walker10_3.grd") 

Uno esperaría que el orden de este vector fuera 1:length(df.sorted), pero parece que no es el caso. Parece que R ordena internamente el vector de acuerdo con su lógica, pero se esfuerza por mostrarlo de la forma en que se creó (y se ve en la salida).

order(df.sorted) 
[1] 37 38 39 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 
[26] 23 24 25 26 27 28 29 30 31 32 33 34 35 36 

¿Hay una manera de "restablecer" el orden a 1:length(df.sorted)? De esta forma, el orden y la salida del vector estarían sincronizados.

Answer 1

constructo como un factor ordenada:

> df.new <- ordered(df.sorted,levels=df.sorted) 
> order(df.new) 
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 ... 

---

EDIT:

Después @DWins comentario, quiero añadir que ni siquiera es nessecary para que sea un factor ordenado, justo un factor es suficiente si proporciona el orden correcto de niveles:

>  df.new2 <- factor(df.sorted,levels=df.sorted) 
>  order(df.new) 
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 ... 

La diferencia será notable e cuando usa esos factores en un análisis de regresión, pueden tratarse de manera diferente. La ventaja de los factores ordenados es que le permiten usar operadores de comparación como < y>. Esto hace que la vida a veces sea mucho más fácil.

> df.new2[5] < df.new2[10] 
[1] NA 
Warning message: 
In Ops.factor(df.new[5], df.new[10]) : < not meaningful for factors 

> df.new[5] < df.new[10] 
[1] TRUE 

Answer 2

¿No es esto simplemente lo mismo que obtienes con todos los pantalones cortos lexicográficos (como por ejemplo ls en los directorios) donde walker10_foo sorts es mayor que walker1_foo?

La forma más fácil, en mi libro, es utilizar una cantidad constante de dígitos, es decir, cambiaría a binned_walker01_1.grd y así sucesivamente insertando un 0 para los conteos de un dígito.

Answer 3

Uso del mixedsort (o) mixedorder funciones en gtools paquete:

require(gtools) 
mixedorder(df.sorted) 
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 
[28] 28 29 30 31 32 33 34 35 36 37 38 39 

Answer 4

En respuesta al comentario de Dwin sobre la respuesta de Dirk: los datos son siempre masilla en sus manos. "Esto es R. No hay si. Solo cómo". - Simon Blomberg

Puede añadir 0 así:

df.sorted <- gsub("(walker)([[:digit:]]{1}_)", "\\10\\2", df.sorted) 

Si necesita añadir 00, lo haces de esta manera:

df.sorted <- gsub("(walker)([[:digit:]]{1}_)", "\\10\\2", df.sorted) 
df.sorted <- gsub("(walker)([[:digit:]]{2}_)", "\\10\\2", df.sorted) 

... y así sucesivamente.