R语言基于多字符特征排序含数字字符向量及列表批量处理问题

问题背景 #

需要对字符型向量/列表排序，排序依据不局限于元素首字符；待排序对象为字符类型，部分元素包含数字内容。初始尝试组合使用substr()与order函数实现排序，但未得到预期结果。
初始测试代码：

mylist <- c('0_times','3-10_times','11_20_times','1-2_times','more_than_20_times')
mylist[order(substr(mylist,1,2))]

运行后出现排序逻辑错误：11-20_times被错误排在3-10_times之前，返回结果：

[1] "0_times"            "1-2_times"          "11-20_times"        "3-10_times"         "more_than_20_times"

排序错误核心原因：

• R默认对字符串按逐位字符比对ASCII码排序，不会自动识别字符串内嵌数字的数值大小
• 截取前2位字符排序时，11_20_times的前两位字符为"11"，第一位字符"1"的ASCII码小于"3"，因此会被错误排在3-10_times之前

实际场景说明 #

实际使用的数据结构如下：

mydf <- data.frame(X1=c("0_times","3-10_times", "11-20_times", "1-2_times","3-10_times",
                        "0_times","3-10_times", "11-20_times", "1-2_times","3-10_times" ),
                   X2=c('a','b','c','d','e','a','b','c','d','e'))

mydf2 <- data.frame(names = colnames(mydf))
mydf2$vals <- lapply(mydf, unique)

需求为对mydf2$vals列表中存储的每一个向量执行排序操作。已知单个向量的正确排序方法，但不清楚如何批量应用到列表所有元素上。
此前尝试使用unlist访问列表元素，但仅能实现单个元素提取，测试代码：

unlist(mydf2[1,'vals'], use.names=FALSE)

实现方案 #

单个含数字字符向量排序 #

要实现字符串内嵌数字按数值大小排序，无需手动截取字符串，使用gtools包的mixedsort函数即可自动识别字符串中的数字段，按数值逻辑排序：

# 首次使用先安装包
install.packages("gtools")
library(gtools)

# 测试单个向量排序
mylist <- c('0_times','3-10_times','11_20_times','1-2_times','more_than_20_times')
mixedsort(mylist)

运行后返回正确排序结果：

[1] "0_times"            "1-2_times"          "3-10_times"         "11_20_times"        "more_than_20_times"

列表内向量批量排序 #

R中对列表每个元素批量应用统一操作，直接使用lapply即可，无需用unlist拆分后逐个处理：

# 对mydf2$vals列表的每个元素执行排序
mydf2$vals <- lapply(mydf2$vals, function(x) {
  # 字符类型向量用混合排序适配数字逻辑，其他类型用普通排序
  if (is.character(x)) mixedsort(x) else sort(x)
})

处理完成后查看结果：

mydf2$vals

输出符合预期：

$X1
[1] "0_times"     "1-2_times"   "3-10_times"  "11-20_times"

$X2
[1] "a" "b" "c" "d" "e"

若不想额外安装包，也可以自行编写正则逻辑提取字符串中的数字段，转换为数值后作为排序依据，但mixedsort已覆盖绝大多数字符+数字混合场景的排序需求，无需重复实现。

内容的提问来源于stack exchange，提问作者r0bt