在R Base中未知全部列时如何对Data Frame按列排序

需求说明 #

现有一个包含若干固定列，且后续列数量随输入动态变化的DataFrame，需要在无法预先知晓所有列的情况下，按指定规则完成升序/降序排序，典型场景包括：

• 按所有列进行排序
• 先按key1列升序排序，再按最后n列降序排序

示例数据构建 #

首先构建包含固定列与动态列的示例DataFrame：

# 初始化包含固定列的DataFrame
dd <- data.frame(key1=c("NED", "LTU", "LAT", "ITA"), h=c(18, 3, 2, 59))
# 重复数据行以扩充样本
dd <- rbind(dd, dd, dd)

# 随机生成n个辅助列（n在4-8之间随机）
set.seed(2024); n <- sample(4:8, size=1)
# 生成随机值填充辅助列
akeys <- matrix(sample(x=c(1,2,3), size=nrow(dd) * n, replace=TRUE),
                ncol=n
               )
# 设置辅助列列名：ak1, ak2,...
colnames(akeys) <- paste0("ak", seq(n))

# 合并固定列与动态辅助列得到目标DataFrame
d2 <- cbind(dd, akeys)

硬编码的局限排序方式 #

若预先知晓列名或列数，可通过以下硬编码方式排序，但这种方法无法适配列数动态变化的场景：

# 假设n=5，按列名指定排序规则：key1、h升序，ak1-ak5降序
id3 <- order(d2$key1, d2$h, -d2$ak1, -d2$ak2, -d2$ak3, -d2$ak4, -d2$ak5)
# 按列索引指定排序规则：第1、2列升序，第3-7列降序
id4 <- order(d2[,1], d2[,2], -d2[,3], -d2[,4], -d2[,5], -d2[,6], -d2[,7])

预期排序结果 #

执行硬编码排序后，输出结果示例如下：

# 输出排序后的DataFrame
d2[id3, ]
#    key1  h ak1 ak2 ak3 ak4 ak5
# 8   ITA 59   2   1   3   3   3
# 4   ITA 59   1   2   3   1   1
# 12  ITA 59   1   2   1   1   1
# 3   LAT  2   3   2   2   1   3
# 11  LAT  2   3   1   3   2   3
# 7   LAT  2   2   1   2   1   1
# 10  LTU  3   1   3   1   1   2
# 2   LTU  3   1   2   3   1   1
# 6   LTU  3   1   2   1   2   2
# 9   NED 18   3   3   1   1   1
# 5   NED 18   1   2   3   2   2
# 1   NED 18   1   2   1   2   3

动态排序实现方案 #

通过动态获取列数、选择排序列，并结合do.call调用order函数，实现适配动态列数的排序：

# 获取DataFrame的总列数
nc     <- ncol(d2)
# 选择排序依据列：固定列key1，加上最后n列
bycols <- subset(d2, select = c(key1, tail(seq(nc), n)) )
# 指定排序方向：key1升序（FALSE），后续列降序（TRUE）
bysort <- c(FALSE, rep(TRUE, ncol(bycols)-1) )
# 动态生成排序索引
idx    <- do.call('order',
                  c(bycols,
                    decreasing=list(bysort),
                    method='radix')
                   )
# 验证动态排序索引与硬编码索引是否一致
identical(id3, idx)
# 生成排序后的DataFrame
d6 <- d2[idx, ]; d6

内容的提问来源于stack exchange，提问作者clp