使用dplyr、forcats包基于分组变量数值调整因子水平的方法

最优实现方案 #

直接使用tidyverse生态下forcats包的fct_reorder()函数即可，该函数天生支持根据另一变量的分组统计结果重排因子水平，无需创建任何中间辅助表，完全符合dplyr的管道语义：

library(tidyverse)

# 原始数据
set.seed(1)
df = tibble(
  group = factor(rep(c("a", "b", "c", "d"), each = 5)),
  x = c(rnorm(5, 0, 1), rnorm(5, 0, 2), rnorm(5, 0, 1.5), rnorm(5, 0, 3))
)

# 一行代码完成因子水平重排
df <- df %>% 
  mutate(group = fct_reorder(.f = group, .x = x, .fun = sd, .desc = TRUE))

参数说明 #

• .f：需要调整水平的目标因子，此处为group
• .x：用于计算统计量的参考变量，此处为x
• .fun：分组统计使用的函数，此处指定为标准差sd
• .desc = TRUE：按统计结果降序排列，默认是升序

结果验证 #

调用levels(df$group)可查看调整后的因子水平，输出为"d" "b" "c" "a"，和你原有方案的输出完全一致，执行效率更高、代码更简洁。

其他可选写法 #

如果不想使用fct_reorder，也可以通过管道直接传递排序结果，不需要单独保存lev变量，但可读性弱于上述方案：

df <- df %>% 
  mutate(group = fct_relevel(group, 
    ~ {.} %>% group_by(group) %>% summarise(sd = sd(x)) %>% arrange(desc(sd)) %>% pull(group)
  ))

内容的提问来源于stack exchange，提问作者blrun