在R中按指定规则实现多列交替排列行数据

问题描述 #

现有如下结构的data.frame：

structure(list(user = c("1", "2", "3", "4", "5", "6", "7", "8", 
"9", "10", "11", "12", "13", "14", "15", "16"), group = c("G2", 
"G2", "G2", "G2", "G1", "G1", "G2", "G2", "G2", "G1", "G2", "G1", 
"G1", "G2", "G1", "G2"), gender = c("M", "H", "H", "M", "M", 
"M", "M", "M", "M", "M", "M", "M", "H", "H", "M", "H"), level = c(1L, 
2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L)), row.names = c(NA, 
-16L), class = c("tbl_df", "tbl", "data.frame"))

需求 #

• 先按分组排序，所有G1组的观测值排在G2组前面；
• 在各组内，按M、H、M、H……的交替顺序排列gender，同时保持level按1、2、3、4的顺序排列。

之前的尝试 #

尝试了以下两种代码，但均未得到预期结果：

db%>%
    arrange(group, gender, level) 

db %>% 
    arrange(factor(group, levels = c("G1", "G2")),
        factor(gender, levels= c("M", "H")),
        factor(level, levels= c(1, 2, 3, 4)))

解决方案 #

之前的代码会把同一组内所有M排完再排H，无法实现交替效果。要达成需求，需要给每个组内的gender分组生成序号，再按序号与gender的组合排序：

library(dplyr)

db %>%
  # 确保G1组排在G2组之前
  arrange(factor(group, levels = c("G1", "G2"))) %>%
  # 按组和性别分组，给每组内的观测生成连续序号
  group_by(group, gender) %>%
  mutate(rn = row_number()) %>%
  ungroup() %>%
  # 按组、序号、性别排序，指定M优先实现交替效果
  arrange(group, rn, factor(gender, levels = c("M", "H")))

原理说明 #

1. 通过factor(group, levels = c("G1", "G2"))强制指定分组的排序优先级；
2. 用group_by(group, gender) + row_number()，给每个组内的M和H分别生成独立的连续序号（比如G1组的M会得到rn=1、2、3、4，H得到rn=1）；
3. 最后按group、rn、gender排序，同一序号下先排M再排H，自然形成交替效果，同时level会跟着序号对应保持1-4的顺序。

内容的提问来源于stack exchange，提问作者Alejandro Carrera