如何在R语言中按元素出现频率和输入顺序对向量进行重排序

核心逻辑 #

你需要的编码规则可以拆解为两个优先级的排序条件：

1. 第一优先级：元素出现频率越高，对应的编码值越小
2. 第二优先级：频率相同的元素，在原向量中首次出现的时间越早，对应的编码值越小

只需要手动构造符合上述顺序的因子层级，再将原向量转为因子后转数值即可实现需求，不需要依赖额外扩展包。

实现代码 #

封装通用函数 #

recode_by_freq_order <- function(x) {
  # 提取按首次出现顺序排列的唯一元素
  unique_x <- unique(x)
  # 统计每个唯一元素的出现频率
  freq <- table(x)[as.character(unique_x)]
  # 按【频率降序+首次出现顺序升序】排序得到目标层级
  sorted_levels <- unique_x[order(-freq, seq_along(unique_x))]
  # 映射为编码值
  as.numeric(factor(x, levels = sorted_levels))
}

测试样例验证 #

# 测试1
Z1 <- c(1,1,1,2,2)
recode_by_freq_order(Z1)
# 输出 [1] 1 1 1 2 2

# 测试2
Z2 <- c(2,2,2,1,1)
recode_by_freq_order(Z2)
# 输出 [1] 1 1 1 2 2

# 测试3
Z3 <- c(2,3,5,5,4)
recode_by_freq_order(Z3)
# 输出 [1] 2 3 1 1 4

# 测试4
Z4 <- c(2,4,5,5,3)
recode_by_freq_order(Z4)
# 输出 [1] 2 3 1 1 4

原代码问题说明 #

你之前使用rank()的思路存在偏差：rank()函数是按元素的数值大小计算排名，无法感知元素的出现频率和输入先后顺序，因此不能直接用于该场景。核心是要自定义因子的levels顺序，因子转数值时会自动按levels的顺序生成1、2、3...的编码，刚好匹配需求。

内容的提问来源于stack exchange，提问作者pineapple