为何单个arrange函数可替代mutate+arrange+select的组合操作？

先看我们的示例数据框：

df <- structure(list(record_id = 1:5, group = c("A", "B", "C", "D", 
"E"), date_start = c("Apr-22", "Aug-21", "Jan-22", "Feb-22", 
"Dec-21")), class = "data.frame", row.names = c(NA, -5L))

数据框内容：

record_id group date_start
1         1     A     Apr-22
2         2     B     Aug-21
3         3     C     Jan-22
4         4     D     Feb-22
5         5     E     Dec-21

我们的需求是按date_start列的实际日期顺序对数据框排序。

方法一：mutate+arrange+select组合操作 #

先通过mutate转换日期格式并生成临时列，用这个临时列排序后再删掉它：

library(dplyr)
library(lubridate)
df %>%
  mutate(date_start1 = myd(paste0(date_start,"-01"))) %>% 
  arrange(date_start1) %>% 
  select(-date_start1)

输出结果：

record_id group date_start
1         2     B     Aug-21
2         5     E     Dec-21
3         3     C     Jan-22
4         4     D     Feb-22
5         1     A     Apr-22

方法二：单个arrange函数直接实现 #

直接在arrange里计算排序用的日期值，同样得到正确结果：

library(dplyr)
library(lubridate)
df %>% 
  arrange(date_start1 = myd(paste0(date_start,"-01")))

输出结果和方法一完全一致。

核心原因 #

这两种方法效果一致的关键在于arrange()的工作逻辑：

• 当你在arrange()中使用date_start1 = myd(...)这种命名表达式时，dplyr会临时计算这个转换后的日期值，用它作为排序依据对整个数据框排序，但不会将这个临时计算的列保留到最终输出的数据框中。
• 方法一是手动拆分了“生成排序键→用键排序→删除排序键”这三步，而方法二则是让arrange()内部自动完成了这一整套流程——它只在排序过程中使用转换后的日期值，排序完成后就丢弃这个临时结果，不会额外添加新列，所以最终输出和方法一完全相同。

内容的提问来源于stack exchange，提问作者TarJae