在R中高效排序含数值与字符的300万量级数据集

针对300万量级的混合数值/字符向量排序需求，通过分离纯数值与非数值元素分别排序再合并的方式，可大幅提升效率，且结果与mixedsort完全一致：

实现代码 #

# 定义原始向量
v1 <- c(1,10,2,6,8,1,3,5,"a","ab","c","d","aa","abc","a a","a bc")

# 1. 分离纯数值元素与非数值元素
is_numeric <- grepl("^\\d+$", v1)  # 匹配纯数字格式的字符串
numeric_part <- v1[is_numeric]
char_part <- v1[!is_numeric]

# 2. 分别排序：数值部分按数值大小排序，字符部分按文本自然顺序排序
sorted_numeric <- as.character(sort(as.numeric(numeric_part)))
sorted_char <- sort(char_part)

# 3. 合并得到最终结果
final_result <- c(sorted_numeric, sorted_char)

# 查看结果
final_result

结果验证 #

运行后输出与mixedsort(v1)完全一致：

[1] "1"    "1"    "2"    "3"    "5"    "6"    "8"    "10"   "a"    "a a"  "a bc" "aa"   "ab"   "abc"  "c"    "d"

效率优势 #

gtools::mixedsort需要对每个字符串做正则拆分与类型判断，百万级数据下耗时极高；上述方案采用base R原生向量级操作，避免了逐元素的复杂处理，速度可提升数倍甚至一个数量级。

内容的提问来源于stack exchange，提问作者Mohit