R：使用數據表重新排序因子級別（用於Plotly）

Question

TL;博士

是否可以通過引用重新排序數據表中列的因子級別？ 據我所知，不是現有的答案：

• 這是有效的，但不是通過引用（ 鏈接 ）： table$x <- factor(table$x, levels = c("giraffes", "orangutans", "monkeys"))
• 這通過引用工作，但對表的其他列（ 鏈接 ）有意想不到的影響： setattr(mydt$value,"levels",c(...))

接受的答案提供了一種無副作用的方法，使用:=表示法。

該問題的背景是需要重新排序Plotly中的條形圖，該條形圖規定了重新排序因子水平（ 鏈接 ）。

---

原始問題

我需要重新排序數據表框架中列的因子級別，我想以原生數據表的方式進行，如果有的話。 我知道我可以用數據幀方式來做，但這需要硬編碼的列名。 我想使用動態列名，如果可能的話，通過引用更新。 我找到了一種通過引用（ 鏈接 ）重新排序列的方法，但它沒有相應地重新排序其他列，也無法使用動態列引用。

我有以下數據（人均二氧化碳排放量）：

library(data.table)
print(data)
        indicator        country year     value
1: EN.ATM.CO2E.PC         Canada 2011 15.639760
2: EN.ATM.CO2E.PC          China 2011  7.241515
3: EN.ATM.CO2E.PC European Union 2011  7.079374
4: EN.ATM.CO2E.PC          India 2011  1.476686
5: EN.ATM.CO2E.PC   Saudi Arabia 2011 17.702307
6: EN.ATM.CO2E.PC  United States 2011 16.972417

class(data)
[1] "data.table" "data.frame"

print(str(lapply(data, class)))
List of 8
 $ indicator     : chr "factor"
 $ country       : chr "factor"
 $ year          : chr "factor"
 $ value         : chr "numeric"

因此，如果我想按國家/地區列反向排序，我可以這樣做（ 2 ）：

col <- "country"
column.levels <- levels(data[[col]])
column.levels <- sort(column.levels, T)
data$country <- factor(data$country, levels = column.levels)

但在這里，國家是硬編碼的，排序不是參考。 我期望在一個函數中使用此代碼，該函數應該使用不同的數據集，以及其他列名。 那么如何讓它與存儲在變量中的列名一起使用，並且可能通過引用呢？

作為參考，數據旨在使用Plotly以條形圖形式呈現。 在哪里我想操縱訂單。 如這里所討論的（ 2 ），這樣做的方法是重新排序因子水平。

非常感謝幫助！

---

澄清re： factor()與setattr()

感謝@Uwe的反饋。 讓我試着讓自己更清楚。 我認為是什么問題。 我設法動態選擇列，這只是使用data[["column"]]而不是data$country的簡單問題，但我第一次嘗試時一定做錯了。 這留下了通過引用重新排序級別的問題。

這是數據的輸入：

dput(data)
structure(list(indicator = structure(c(1L, 1L, 1L, 1L, 1L, 1L
), .Label = "EN.ATM.CO2E.PC", class = "factor"), country = structure(1:6, .Label = c("Canada", 
"China", "European Union", "India", "Saudi Arabia", "United States"
), class = "factor"), year = structure(c(1L, 1L, 1L, 1L, 1L, 
1L), class = "factor", .Label = "2011"), value = c(15.6397596234201, 
7.24151541889549, 7.07937396032502, 1.47668634979755, 17.7023072439215, 
16.9724170879273)), .Names = c("indicator", "country", "year", 
"value"), sorted = c("indicator", "country", "year"), class = c("data.table", 
"data.frame"), row.names = c(NA, -6L), .internal.selfref = <pointer: 0x00000000001f0788>)

這是當我使用factor重新排序country列時會發生什么：

column.levels <- levels(data[["country"]])
column.levels <- sort(column.levels, T)
data[["country"]] <- factor(data[["country"]], levels = column.levels)

levels(data[["country"]]) #just as desired
[1] "United States"  "Saudi Arabia"   "India"          "European Union" "China"          "Canada" 

print(data) #nominal order unchanged
        indicator        country year     value
1: EN.ATM.CO2E.PC         Canada 2011 15.639760
2: EN.ATM.CO2E.PC          China 2011  7.241515
3: EN.ATM.CO2E.PC European Union 2011  7.079374
4: EN.ATM.CO2E.PC          India 2011  1.476686
5: EN.ATM.CO2E.PC   Saudi Arabia 2011 17.702307
6: EN.ATM.CO2E.PC  United States 2011 16.972417

該表未被刪除，但會根據需要重新排序。

但是這是使用setattr（）發生的事情：

setattr(data[["country"]], "levels", column.levels)
#Also tried this, same result: data[,setattr(country, "levels", column.levels)]

levels(data[["country"]]) #well this looks good...
[1] "United States"  "Saudi Arabia"   "India"          "European Union" "China"          "Canada" 

print(data) #but this is absurd...
        indicator        country year     value
1: EN.ATM.CO2E.PC  United States 2011 15.639760
2: EN.ATM.CO2E.PC   Saudi Arabia 2011  7.241515
3: EN.ATM.CO2E.PC          India 2011  7.079374
4: EN.ATM.CO2E.PC European Union 2011  1.476686
5: EN.ATM.CO2E.PC          China 2011 17.702307
6: EN.ATM.CO2E.PC         Canada 2011 16.972417

因此，factor（）使數據的名義順序保持不變。 但是setattr（）實際上改變了國家列的名義順序，造成了嚴重破壞。 那么這里出了什么問題？ 我對行為上的差異感到困惑。 是否可以使用setattr（）或其他方法通過引用重新排序列因子級別？ 希望我現在明白了！

Answer 1

要通過引用修改data.table對象的列，即不復制整個對象，可以使用:=運算符，如下所示：

col <- "country"
DT[, (col) := factor(get(col), levels = rev(levels(get(col))))]
str(DT)

 Classes 'data.table' and 'data.frame': 6 obs. of 4 variables: $ indicator: Factor w/ 1 level "EN.ATM.CO2E.PC": 1 1 1 1 1 1 $ country : Factor w/ 6 levels "United States",..: 6 5 4 3 2 1 $ year : Factor w/ 1 level "2011": 1 1 1 1 1 1 $ value : num 15.64 7.24 7.08 1.48 17.7 ... 

DT

  indicator country year value 1: EN.ATM.CO2E.PC Canada 2011 15.639760 2: EN.ATM.CO2E.PC China 2011 7.241515 3: EN.ATM.CO2E.PC European Union 2011 7.079374 4: EN.ATM.CO2E.PC India 2011 1.476686 5: EN.ATM.CO2E.PC Saudi Arabia 2011 17.702307 6: EN.ATM.CO2E.PC United States 2011 16.972417 

請注意， DT用作data.table對象的名稱，以避免名稱與data()函數沖突。

由於factor()默認按字母順序對級別進行排序，因此rev()用於反轉現有因子級別的順序。

列名以變量col給出。 因此， get()用於訪問列。 或者，這可以寫成

DT[, (col) := lapply(.SD, factor, levels = rev(levels(DT[[col]]))), .SDcols = col]

使用特殊符號.SD和.SDcols參數。

要驗證DT是否通過引用更新，可以使用address(DT) 。

---

為什么setattr()不能按預期工作？

setattr()似乎只是改變級別的標簽，而不是OP想要的級別編號。

DT

  indicator country year value 1: EN.ATM.CO2E.PC Canada 2011 15.639760 2: EN.ATM.CO2E.PC China 2011 7.241515 3: EN.ATM.CO2E.PC European Union 2011 7.079374 4: EN.ATM.CO2E.PC India 2011 1.476686 5: EN.ATM.CO2E.PC Saudi Arabia 2011 17.702307 6: EN.ATM.CO2E.PC United States 2011 16.972417 

DT[, as.integer(country)]

 [1] 1 2 3 4 5 6 

setattr(DT[[col]], "levels", rev(levels(DT[[col]])))
DT

  indicator country year value 1: EN.ATM.CO2E.PC United States 2011 15.639760 2: EN.ATM.CO2E.PC Saudi Arabia 2011 7.241515 3: EN.ATM.CO2E.PC India 2011 7.079374 4: EN.ATM.CO2E.PC European Union 2011 1.476686 5: EN.ATM.CO2E.PC China 2011 17.702307 6: EN.ATM.CO2E.PC Canada 2011 16.972417 

DT[, as.integer(country)]

 [1] 1 2 3 4 5 6 

如果使用上面的代碼，則相應地更改級別的編號：

DT[, (col) := factor(get(col), levels = rev(levels(get(col))))]
DT[, as.integer(country)]

 [1] 6 5 4 3 2 1 

（由於DT已經修改到位，請始終使用DT的新副本）