R语言如何对dataframe的字母数字列实现自然排序

dplyr::arrange()对字符型列默认按字典序排序，规则是逐位比对字符的ASCII码大小：Q1和Q10前两位字符都是Q和1，比Q2的第二位字符2排序优先级更高，因此Q10会被排到Q2前面，这是字符排序的正常逻辑，不是函数bug。

1. 提取数字转数值排序（通用性最高） #

用正则提取ID中字母后的数字部分，转为整数作为排序依据，后续就算新增Q11、Q12甚至Q100这类ID，都能自动按数值大小正确排序，不需要手动调整规则：

library(dplyr)
library(stringr)

df %>% 
  arrange(as.integer(str_extract(ID, "\\d+")))

运行后输出顺序完全符合预期：

# A tibble: 5 × 1
  ID   
  <chr>
1 Q1   
2 Q2   
3 Q3   
4 Q4   
5 Q10 

2. 调用混合排序函数 #

gtools包提供的mixedsort()是专门为“固定前缀+数字”格式的字符串设计的排序函数，不用手动写正则提取规则，直接匹配排序位置即可：

library(dplyr)
library(gtools)

df %>% 
  arrange(match(ID, mixedsort(ID)))

3. 手动设置因子水平（仅适合ID取值固定场景） #

如果你的ID列取值是固定的、后续不会新增新的ID值，可以直接把ID列转为因子类型，按你需要的顺序设置因子水平，arrange会自动按因子水平排序：

library(dplyr)

df %>% 
  mutate(ID = factor(ID, levels = c("Q1", "Q2", "Q3", "Q4", "Q10"))) %>% 
  arrange(ID)

注意：如果后续会新增未在levels里定义的ID值，新值会被识别为缺失值，导致排序错误，这类场景优先选前两种方案。

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