如何反转R中数据帧的顺序

Question

我无休止地寻找这个,不知何故没有解决这个简单的问题.

我有一个名为Price的数据框,其中有4列,其中一列是历史日期列表 - 另外3列是产品价格列表.

1   10/10/2016  53.14   50.366  51.87
2   07/10/2016  51.93   49.207  50.38
3   06/10/2016  52.51   49.655  50.98
4   05/10/2016  51.86   49.076  50.38
5   04/10/2016  50.87   48.186  49.3
6   03/10/2016  50.89   48.075  49.4
7   30/09/2016  50.19   47.384  48.82
8   29/09/2016  49.81   46.924  48.4
9   28/09/2016  49.24   46.062  47.65
10  27/09/2016  46.52   43.599  45.24

这个名单是252个价格长.如何将我的输出存储在列表底部的最新日期以及列表底部的最新价格列出的相应价格中？

Answer 1

如果您只想反转数据框中行的顺序,可以执行以下操作:

df<- df[seq(dim(df)[1],1),]

Answer 2

只是为了完整起见.实际上没有必要在seq这里打电话.你可以使用:-R-logic:

### Create some sample data
n=252
sampledata<-data.frame(a=sample(letters,n,replace=TRUE),b=rnorm(n,1,0.7),
                       c=rnorm(n,1,0.6),d=runif(n))

### Compare some different ways to reorder the dataframe
myfun1<-function(df=sampledata){df<-df[seq(nrow(df),1),]}
myfun2<-function(df=sampledata){df<-df[seq(dim(df)[1],1),]}
myfun3<-function(df=sampledata){df<-df[dim(df)[1]:1,]}
myfun4<-function(df=sampledata){df<-df[nrow(df):1,]}

### Microbenchmark the functions


microbenchmark::microbenchmark(myfun1(),myfun2(),myfun3(),myfun4(),times=1000L)
    Unit: microseconds
         expr    min     lq      mean  median      uq      max neval
     myfun1() 63.994 67.686 117.61797 71.3780 87.3765 5818.494  1000
     myfun2() 63.173 67.686  99.29120 70.9680 87.7865 2299.258  1000
     myfun3() 56.610 60.302  92.18913 62.7635 76.9155 3241.522  1000
     myfun4() 56.610 60.302  99.52666 63.1740 77.5310 4440.582  1000

我在这里试用的最快方法是使用df<-df[dim(df)[1]:1,].但是使用nrow而不是dim仅略慢.这是个人偏好的问题.

seq在这里使用肯定会减慢过程.

更新2018年9月:

从速度来看,没有理由在dplyr这里使用.对于大约90%的用户来说,基本的R功能应该足够了.其他10%需要dplyr用于查询数据库或需要将代码翻译成另一种语言.

## hmhensen's function
dplyr_fun<-function(df=sampledata){df %>% arrange(rev(rownames(.)))}

microbenchmark::microbenchmark(myfun3(),myfun4(),dplyr_fun(),times=1000L)
Unit: microseconds
        expr    min      lq      mean  median      uq    max neval
    myfun3()   55.8   69.75  132.8178  103.85  139.95 8949.3  1000
    myfun4()   55.9   68.40  115.6418  100.05  135.00 2409.1  1000
 dplyr_fun() 1364.8 1541.15 2173.0717 1786.10 2757.80 8434.8  1000

Answer 3

另一种tidyverse解决方案，我认为最简单的是：

df %>% map_df(rev)

或使用purrr::map_df我们可以做到的map_df(df, rev)。

Answer 4

另一个tidyverse解决方案是：

df %>% arrange(desc(row_number()))