分组Z分数计算是否会改变数据顺序？基于R语言dplyr实现场景

放心，分组计算Z分数不会改变原始数据的行顺序！咱们用你给出的iris数据集代码来实际验证一下，就能彻底搞清楚。

首先先回顾你的处理代码：

library(dplyr)
library(tidyr)

dat = iris %>% 
  gather(variable, value, -Species) %>% 
  group_by(Species, variable) %>% 
  mutate(z_score_group = (value - mean(value)) / sd(value)) %>% 
  ungroup %>% 
  mutate(z_score_ungrouped = (value - mean(value)) / sd(value))

验证顺序一致性 #

我们可以直接对比分组处理前后的原始数据行顺序：

# 生成gather后的原始数据（未添加Z分数列）作为参考
original_data <- iris %>% gather(variable, value, -Species)

# 对比dat去掉Z分数列后和原始数据是否完全一致（包括行顺序）
identical(dat %>% select(-z_score_group, -z_score_ungrouped), original_data)

运行这段代码会返回TRUE，这就说明分组计算后，数据的行排列顺序和gather后的原始数据完全没有变化。

为什么不会改变顺序？ #

dplyr中的group_by()只是给数据添加分组标记，后续的mutate()操作仅会在每个分组内计算新列的值，不会对行的位置进行调整。只有当你主动使用arrange()这类排序函数时，才会改变数据的顺序，单纯的分组计算不会影响行的原有排列。

另外补充一点：你之前验证未分组Z分数顺序的逻辑，套用到分组Z分数上时要注意：identical(order(dat$z_score_group), order(dat$value))可能会返回FALSE，但这不是因为行顺序变了——而是因为分组标准化后，不同组的Z分数数值排序和原始value的整体排序不一致，但每一行的位置还是和原始数据完全对应的。

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