如何为基于Base R实现的Data.frame排序函数添加按列单独设置排序方向的功能

我最近在写一个只靠Base R实现的data.frame排序函数sortdf，专门给非交互式场景用，而且只接受data.frame类型的输入。目前这个函数已经能按单列或多列做全局升序/降序排序，但现在想加个实用功能：给by参数指定的每一列单独设置排序方向，比如像这样调用：

sortdf(iris,by=c("Sepal.Width","Petal.Width"),dir=c("up","down"))

先给大家看看我现在的函数实现：

#' @title Sort a data.frame
#' @description Sort a data.frame based on one or more columns
#' @param x A data.frame class object
#' @param by A column in the data.frame. Defaults to NULL, which sorts by all columns.
#' @param decreasing A logical indicating the direction of sorting.
#' @return A data.frame.
#' 
sortdf <- function(x,by=NULL,decreasing=FALSE) {
  if(!is.data.frame(x)) stop("Input is not a data.frame.")
  if(is.null(by)) {
    ord <- do.call(order,x)
  } else {
    if(any(!by %in% colnames(x))) stop("One or more items in 'by' was not found.")
    if(length(by) == 1) ord <- order(x[ , by])
    if(length(by) > 1) ord <- do.call(order, x[ , by])
  }
  if(decreasing) ord <- rev(ord)
  return(x[ord, , drop=FALSE])
}

现有的几种调用方式：

sortdf(iris)          # 按所有列升序
sortdf(iris,"Petal.Length")  # 按Petal.Length升序
sortdf(iris,"Petal.Length",decreasing=TRUE)  # 按Petal.Length降序
sortdf(iris,c("Petal.Length","Sepal.Length"))  # 按两列升序

接下来分享几个可行的实现思路，都是纯Base R的方案：

思路1：新增dir参数，支持友好的字符或逻辑向量输入 #

我个人比较推荐这个方案，因为dir参数的语义更清晰，而且支持用户用更直观的"up"/"down"来指定方向，同时也兼容逻辑值。

具体实现步骤分这几步：

1. 参数校验与转换：
   • 先把字符型的dir转换成逻辑值："down"对应TRUE（降序），"up"对应FALSE（升序）
   • 确保dir的长度和by匹配：如果用户只传了单个方向，就自动扩展到和by列数一致；如果by是NULL（按所有列排序），就扩展到所有列的数量
   • 还要检查by里的列名是否都存在于输入的data.frame中
2. 构造排序列列表：
   • 对每个要排序的列，根据dir的值决定是否取反。这里要用xtfrm()函数来处理所有可排序的类型（比如因子、字符、数值），因为直接用-对因子列会报错，xtfrm会把任意可排序对象转换成对应的数值，取反后就能实现降序
3. 生成排序索引并返回结果：
   • 用do.call(order, ...)把处理后的列列表传进去，得到排序索引，再用这个索引提取data.frame的行

修改后的函数代码如下：

#' @title Sort a data.frame with per-column direction control
#' @description Sort a data.frame based on one or more columns, allowing separate sort directions for each column
#' @param x A data.frame class object
#' @param by Character vector of column names to sort by. Defaults to NULL (sort by all columns).
#' @param dir Vector specifying sort direction for each column in `by`. Can be logical (TRUE = decreasing, FALSE = increasing) or character ("up" = increasing, "down" = decreasing). Defaults to FALSE (all columns sorted in increasing order).
#' @return A sorted data.frame.
#' 
sortdf <- function(x, by = NULL, dir = FALSE) {
  # 校验输入是否为data.frame
  if (!is.data.frame(x)) stop("Input must be a data.frame.")
  
  # 处理dir参数，统一转换成逻辑向量（TRUE=降序，FALSE=升序）
  if (is.character(dir)) {
    dir <- match.arg(dir, choices = c("up", "down"), several.ok = TRUE)
    dir <- dir == "down"
  }
  if (!is.logical(dir)) stop("dir must be a logical or character vector.")
  
  # 处理by为NULL的情况：默认按所有列排序
  if (is.null(by)) {
    by <- colnames(x)
    # 如果只传了一个方向，扩展到所有列
    if (length(dir) == 1) dir <- rep(dir, length(by))
  } else {
    # 校验指定的列是否存在
    missing_cols <- setdiff(by, colnames(x))
    if (length(missing_cols) > 0) {
      stop(sprintf("Columns not found: %s", paste(missing_cols, collapse = ", ")))
    }
    # 统一dir的长度：单个值扩展到和by一致
    if (length(dir) == 1) dir <- rep(dir, length(by))
    # 校验dir和by长度匹配
    if (length(dir) != length(by)) {
      stop("Length of dir must match length of by.")
    }
  }
  
  # 构造用于排序的列列表：对降序列取反（用xtfrm实现通用兼容）
  sort_columns <- lapply(seq_along(by), function(i) {
    col_data <- x[[by[i]]]
    if (dir[i]) -xtfrm(col_data) else col_data
  })
  
  # 生成排序索引
  sort_order <- do.call(order, sort_columns)
  
  # 返回排序后的data.frame，drop=FALSE避免变成向量
  return(x[sort_order, , drop = FALSE])
}

测试一下这个函数：

# 按Sepal.Width升序，Petal.Width降序
sortdf(iris, by = c("Sepal.Width", "Petal.Width"), dir = c("up", "down"))
# 用逻辑向量指定方向，效果一样
sortdf(iris, by = c("Sepal.Width", "Petal.Width"), dir = c(FALSE, TRUE))
# 兼容原有调用方式，全局降序
sortdf(iris, by = "Petal.Length", dir = "down")
# 按所有列降序
sortdf(iris, dir = "down")

思路2：改造原有decreasing参数，支持向量输入 #

如果你不想新增参数，也可以直接改造现有的decreasing参数，让它支持向量输入，这样更贴合Base R的习惯（虽然原生order的decreasing是单个值，但我们可以自己处理多列的情况）。

改造后的函数大概是这样：

#' @title Sort a data.frame with per-column direction control
#' @description Sort a data.frame based on one or more columns, allowing separate sort directions for each column via the decreasing parameter
#' @param x A data.frame class object
#' @param by Character vector of column names to sort by. Defaults to NULL (sort by all columns).
#' @param decreasing Logical vector specifying sort direction for each column in `by`. TRUE = decreasing, FALSE = increasing. Can be a single value to apply to all columns. Defaults to FALSE.
#' @return A sorted data.frame.
#' 
sortdf <- function(x, by = NULL, decreasing = FALSE) {
  if (!is.data.frame(x)) stop("Input must be a data.frame.")
  
  # 处理by为NULL的情况
  if (is.null(by)) {
    by <- colnames(x)
  } else {
    # 校验列是否存在
    missing_cols <- setdiff(by, colnames(x))
    if (length(missing_cols) > 0) {
      stop(sprintf("Columns not found: %s", paste(missing_cols, collapse = ", ")))
    }
  }
  
  # 统一decreasing的长度：单个值扩展到和by一致
  if (length(decreasing) == 1) {
    decreasing <- rep(decreasing, length(by))
  }
  # 校验长度匹配
  if (length(decreasing) != length(by)) {
    stop("Length of decreasing must match length of by.")
  }
  
  # 构造排序列列表
  sort_columns <- lapply(seq_along(by), function(i) {
    col_data <- x[[by[i]]]
    if (decreasing[i]) -xtfrm(col_data) else col_data
  })
  
  sort_order <- do.call(order, sort_columns)
  x[sort_order, , drop = FALSE]
}

调用方式就变成：

# 按Sepal.Width升序，Petal.Width降序
sortdf(iris, by = c("Sepal.Width", "Petal.Width"), decreasing = c(FALSE, TRUE))

几个关键注意事项 #

• 通用类型兼容：一定要用xtfrm()来处理列，不要直接用-，不然因子列会报错。xtfrm是Base R专门用来把可排序对象转换成数值的函数，对因子、字符、日期等类型都有效。
• 向后兼容性：不管用哪种方案，都要确保原来的调用方式依然能正常工作，比如sortdf(iris, "Petal.Length", decreasing = TRUE)不能失效。
• 参数校验要严谨：要检查列名是否存在、方向参数的长度是否匹配，这样用户调用时能得到清晰的错误提示，而不是莫名其妙的运行时错误。
• 性能表现：这种用lapply构造列列表再do.call(order)的方式，性能和原生Base R的order调用几乎一样，从你提供的基准测试代码来看，肯定比dplyr的arrange快很多，符合非交互式场景的性能需求。

基准测试验证 #

你可以把修改后的sortdf加入到你的基准测试代码里，对比原生Base R和dplyr的性能：

library(microbenchmark)
library(ggplot2)
m <- microbenchmark::microbenchmark(
  "base 1u"=iris[order(iris$Petal.Length),],
  "sortdf 1u"=sortdf(iris,"Petal.Length"),
  "arrange 1u"=dplyr::arrange(iris,Petal.Length),
  "base 1d"=iris[order(iris$Petal.Length,decreasing=TRUE),],
  "sortdf 1d"=sortdf(iris,"Petal.Length",dir="down"),
  "arrange 1d"=dplyr::arrange(iris,-Petal.Length),
  "base 2d"=iris[order(iris$Petal.Length,iris$Sepal.Length,decreasing=TRUE),],
  "sortdf 2d"=sortdf(iris,c("Petal.Length","Sepal.Length"),dir=c("down","down")),
  "arrange 2d"=dplyr::arrange(iris,-Petal.Length,-Sepal.Length),
  "base 1u1d"=iris[order(iris$Petal.Length,rev(iris$Sepal.Length)),],
  "sortdf 1u1d"=sortdf(iris,c("Petal.Length","Sepal.Length"),dir=c("up","down")),
  "arrange 1u1d"=dplyr::arrange(iris,Petal.Length,-Sepal.Length),
  times=1000
)
autoplot(m)+theme_bw()

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