分组tibble的Species列无法按字母排序的问题求助

问题描述 #

从大型数据集中提取了一个分组tibble，尝试按Species列字母顺序排序，以下两种方法均未成功：

arrange(dummy, Species)
dummy[order(dummy$Species),]

样本数据集：

# A tibble: 4 × 3
# Groups:   Species [4]
  Species                M     mean.active.prop
  <fct>                  <chr>            <dbl>
1 Caribbean reef shark   01                 1  
2 Nurse shark            03                 0.9
3 Lemon shark (adult)    06                 0.8
4 Lemon shark (juvenile) 04                 0.7

数据类型：

> class(dummy)
[1] "grouped_df" "tbl_df"     "tbl"        "data.frame"

dput输出：

dummy <- structure(list(Species = structure(1:4, levels = c("Caribbean reef shark", 
"Nurse shark", "Lemon shark (adult)", "Lemon shark (juvenile)", 
"Tiger shark", "Great hammerhead shark", "Bull shark", "Blacktip shark", 
"Southern stingray"), class = "factor"), M = c("01", "03", "06", 
"04"), mean.active.prop = c(1, 0.9, 0.8, 0.7)), class = c("grouped_df", 
"tbl_df", "tbl", "data.frame"), row.names = c(NA, -4L), groups = structure(list(
    Species = structure(1:4, levels = c("Caribbean reef shark", 
    "Nurse shark", "Lemon shark (adult)", "Lemon shark (juvenile)", 
    "Tiger shark", "Great hammerhead shark", "Bull shark", "Blacktip shark", 
    "Southern stingray"), class = "factor"), .rows = structure(list(
        1L, 2L, 3L, 4L), ptype = integer(0), class = c("vctrs_list_of", 
    "vctrs_vctr", "list"))), class = c("tbl_df", "tbl", "data.frame"
), row.names = c(NA, -4L), .drop = TRUE))

问题根源 #

排序失败有两个关键原因：

1. 分组数据框的约束：当前数据是grouped_df类型，arrange()默认仅在组内排序，而每个Species单独成组，组内排序无效果；基础R的索引方式[order(...),]对分组数据框的兼容性差，无法突破分组的顺序限制。
2. 因子水平的预设顺序：Species是因子类型，其预设的水平（levels）并非字母顺序（比如Nurse shark排在Lemon shark系列之前）。因子排序时会遵循预设水平顺序，而非字符的自然字母顺序。

解决方法 #

方法1：取消分组后排序 #

先移除分组结构，再执行排序：

library(dplyr)
dummy %>% ungroup() %>% arrange(Species)

若需保留分组，可在排序后重新分组：

dummy %>% ungroup() %>% arrange(Species) %>% group_by(Species)

方法2：基于字符值排序 #

不改变分组状态，直接按Species的字符形式排序：

dummy %>% arrange(as.character(Species))

方法3：重置因子水平为字母顺序 #

如果希望后续所有操作都按字母顺序处理，可先重置因子水平，再排序：

# 基础R方式
dummy$Species <- factor(dummy$Species, levels = sort(levels(dummy$Species)))
arrange(dummy, Species)

# dplyr + forcats方式
library(forcats)
dummy %>% mutate(Species = fct_relevel(Species, sort(levels(Species)))) %>% arrange(Species)

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