R语言向量排序异常求助：数字字符化后排序结果不符合预期

问题根源 #

当你在R中将数值向量与字符向量合并时，R会自动将整个向量的所有元素强制转换为字符类型（向量只能存储单一数据类型）。此时排序操作是按照字符串字典序进行对比，而非数值大小：

• 字符串比较是逐字符按ASCII码值对比，"4401"的首字符是"4"，ASCII码值大于"20345"的首字符"2"，所以升序排序时"4401"排在最后，降序时排在最前。

正确处理方法 #

推荐使用数据框存储不同类型的数据（生物名称为字符、基因数为数值），这样可以基于数值列实现符合预期的排序：

# 创建数据框，分别存储生物名称和基因数量
organism_df <- data.frame(
  name = c("E.coli", "Chicken", "Humans", "Water flea", "Rice"),
  gene_number = c(4401, 20345, 20500, 31000, 40000),
  stringsAsFactors = FALSE
)

# 按基因数升序排序
sorted_asc <- organism_df[order(organism_df$gene_number), ]
# 按基因数降序排序
sorted_desc <- organism_df[order(organism_df$gene_number, decreasing = TRUE), ]

# 查看升序结果
print(sorted_asc)
# 查看降序结果
print(sorted_desc)

运行结果会符合数值排序的预期：

升序输出：
name gene_number
1 E.coli 4401
2 Chicken 20345
3 Humans 20500
4 Water flea 31000
5 Rice 40000

降序输出：
name gene_number
5 Rice 40000
4 Water flea 31000
3 Humans 20500
2 Chicken 20345
1 E.coli 4401

额外说明 #

如果非要基于原字符向量处理（不推荐，易造成数据混淆），可以先将字符型数字转回数值类型再排序：

# 提取前5个字符型数字，转换为数值
num_vec <- as.numeric(organism_gene_numbers[1:5])
# 升序排序
sort(num_vec)
# 降序排序
sort(num_vec, decreasing = TRUE)

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