在R中对含层级分组的表格里的factor变量y进行重排序

原始数据 #

df <- tibble(
  x = as_factor(c("a", "a", "a", "b", "b", "b")),
  y = as_factor(1:6),
  val = c(10, 3, 8, 2, 6, 1)
)

数据输出结果：

# A tibble: 6 x 3
  x     y       val
  <fct> <fct> <dbl>
1 a     1        10
2 a     2         3
3 a     3         8
4 b     4         2
5 b     5         6
6 b     6         1

需求说明 #

需要对因子变量y进行重排序：

• 优先按x分组后的val总和降序排列组（总和大的组整体排在前面）
• 组内再按val降序排列y

目标结果如下：

# A tibble: 6 x 4
# Groups:   x [2]
  x     y       val   sum
  <fct> <fct> <dbl> <dbl>
1 a     1        10    21 # x=="a"组的val总和更大，所以排在前面
2 a     3         8    21 # 组内按val降序排列y
3 a     2         3    21
4 b     5         6     9
5 b     4         2     9
6 b     6         1     9

尝试的方法及疑问 #

尝试用forcats::fct_reorder()结合group_by(x)实现：

df |> group_by(x) |> mutate(y = fct_reorder(y, val))

但未达到预期效果。需要解答：

1. fct_reorder()能否实现该需求？
2. 还有哪些更简洁的可行方法？

补充：已找到一个可行但较繁琐的解法：

df |> 
  group_by(x) |> 
  mutate(sum = sum(val)) |> 
  arrange(desc(sum), desc(val)) |> ungroup() |> 
  tibble::rowid_to_column() |> 
  mutate(across(c(x, y), \(x) fct_reorder(x, rowid)))

关于fct_reorder()的可行性 #

fct_reorder()无法直接结合group_by()实现这种双层排序需求。原因是fct_reorder()默认在全局范围内计算排序依据，即使分组后，它仅能实现组内y的排序，但组与组之间的顺序仍保留原始因子顺序，无法实现"先按组总和排序组，再组内排序"的双层逻辑。

简洁可行的方法 #

方法1：结合组总和与组内值作为排序依据 #

先计算每个x组的val总和，再将"组总和"和"组内val"组合作为fct_reorder()的排序变量，实现双层排序：

library(tidyverse)

df |>
  group_by(x) |>
  mutate(sum_val = sum(val)) |>
  ungroup() |>
  mutate(
    y = fct_reorder(y, desc(sum_val, val))
  ) |>
  arrange(y)

desc(sum_val, val)会先按sum_val降序，再按val降序，fct_reorder()根据该逻辑重排y的因子水平，最后arrange(y)即可得到目标顺序。

方法2：用fct_relevel()复用排序后的结果 #

先按需求排序数据集，再提取排序后的y水平，用fct_relevel()重置因子顺序：

df |>
  group_by(x) |>
  mutate(sum_val = sum(val)) |>
  ungroup() |>
  arrange(desc(sum_val), desc(val)) |>
  mutate(y = fct_relevel(y, y))

fct_relevel(y, y)会将当前排序后的y值序列作为新的因子水平顺序，后续arrange(y)将按该顺序排列。

方法3：直接修改因子水平属性 #

手动提取符合要求的y水平顺序，直接赋值给y的levels属性：

sorted_y <- df |>
  group_by(x) |>
  mutate(sum_val = sum(val)) |>
  ungroup() |>
  arrange(desc(sum_val), desc(val)) |>
  pull(y)

df |>
  mutate(y = factor(y, levels = sorted_y)) |>
  arrange(y)

该方法先得到排序后的y序列，再将其设为新的因子水平，逻辑直接清晰。

内容的提问来源于stack exchange，提问作者Lukas