《R for Data Science》中排序函数示例的技术疑问咨询

先回顾示例代码：

y <- c(1, 2, 2, NA, 3, 4)
min_rank(y)
#> [1]  1  2  2 NA  4  5
min_rank(desc(y))
#> [1]  5  3  3 NA  2  1 
row_number(y)
#> [1]  1  2  3 NA  4  5 
dense_rank(y)
#> [1]  1  2  2 NA  3  4 
percent_rank(y)
#> [1] 0.00 0.25 0.25   NA 0.75 1.00 
cume_dist(y)
#> [1] 0.2 0.6 0.6  NA 0.8 1.0

具体疑问解答 #

1. min_rank函数：结果中的5来自哪里？为何NA没有排在最后？ #

• min_rank的核心规则是：给相同值分配最小的可能排名，排名会跳过重复值占用的位置。
  对y的非NA值从小到大看：1是第1名；两个2占了第2、3名；3就只能排第4名；4自然是第5名，所以结果里4对应的排名是5。
• NA的处理：min_rank默认保留NA在原始向量中的位置，不会自动将其排到末尾。如果需要把NA放最后，可添加参数min_rank(y, na.last = TRUE)。

2. min_rank(desc(y))：结果中为何出现两个3而非两个2？ #

• desc(y)会把y倒序处理，倒序后的非NA值为4,3,2,2,1。
• 按照min_rank的规则，倒序后相同值取最小排名：
  • 4是最大的，排第1；
  • 3排第2；
  • 两个2是倒序里的第三大值，它们的最小可能排名是3；
  • 1排第5。
    对应原始y的顺序，两个2的位置就会返回3，所以结果出现两个3。

3. row_number函数：仍对NA的位置存在困惑，且为何结果不是6个数值？ #

• row_number的规则是给每个非NA值分配唯一的连续排名，即使值重复也会得到不同序号，相当于给非NA值按出现顺序编位置号。
• 结果里其实是6个元素：5个数值+1个NA。NA的位置会直接返回NA，不会被替换成数字，所以看起来像是少了一个数值，但实际长度和原向量一致。

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