如何防止R语言中split()函数打乱数据的原始顺序？

你可以用以下几种方法避免split()自动按字母排序分组，同时保留Verb列的原始顺序：

方法1：将分组列转为指定水平的因子（Base R） #

split()的排序问题源于它会默认把分组变量转为因子，并按因子水平的字母顺序排列。你可以手动将Verb列转为因子，指定levels为该列首次出现的唯一值，这样拆分时就会保留原始顺序：

# 先把Verb转为因子，levels设为原始出现的唯一值
df$Verb <- factor(df$Verb, levels = unique(df$Verb))
# 再拆分
grouped <- split(df, df$Verb)

方法2：使用dplyr的group_split()（Tidyverse风格） #

如果你习惯用tidyverse工具，group_split()默认会保留分组的原始顺序，不需要额外处理。之前用group_by()没效果是因为它只是创建分组结构，必须配合group_split()才能得到拆分后的列表：

library(dplyr)
grouped <- df %>% 
  group_by(Verb) %>% 
  group_split(.keep = TRUE)  # .keep=TRUE保留分组列，默认也是TRUE

返回的列表顺序和Verb列中各组首次出现的顺序完全一致。

方法3：手动遍历唯一值拆分（Base R） #

直接提取Verb的唯一值（按原始顺序），然后逐个筛选数据框，最后给列表命名：

# 获取按原始顺序排列的唯一Verb值
unique_verbs <- unique(df$Verb)
# 遍历筛选
grouped <- lapply(unique_verbs, function(v) df[df$Verb == v, ])
# 给列表元素命名，和split的输出格式一致
names(grouped) <- unique_verbs

这三种方法都不需要先添加额外列记录顺序再重排，完全满足你的需求。

内容的提问来源于stack exchange，提问作者awang