Wie ordnet man Spalten in einem Datenrahmen neu an?

Wie würde man diese Eingabe ändern (mit der Reihenfolge: time, in, out, files):

Time   In    Out  Files
1      2     3    4
2      3     4    5

Zu dieser Ausgabe (mit der Reihenfolge: time, out, in, files)?

Time   Out   In  Files
1      3     2    4
2      4     3    5

Hier sind die Dummy-R-Daten:

table <- data.frame(Time=c(1,2), In=c(2,3), Out=c(3,4), Files=c(4,5))
table
##  Time In Out Files
##1    1  2   3     4
##2    2  3   4     5

Ihr Datenrahmen hat vier Spalten df[,c(1,2,3,4)]. Beachten Sie, dass das erste Komma bedeutet, dass alle Zeilen beibehalten werden und das 1,2,3,4 sich auf die Spalten bezieht.

Um die Reihenfolge wie in der obigen Frage zu ändern, tun Sie df2[,c(1,3,2,4)]

Wenn Sie diese Datei als CSV ausgeben möchten, tun Sie dies write.csv(df2, file="somedf.csv")

# reorder by column name
data <- data[c("A", "B", "C")]

#reorder by column index
data <- data[c(1,3,2)]

Sie können auch die Teilmengenfunktion verwenden:

data <- subset(data, select=c(3,2,1))

Verwenden Sie den Operator [] besser wie in den anderen Antworten. Es kann jedoch hilfreich sein zu wissen, dass Sie eine Teilmenge und eine Spaltenumordnungsoperation in einem einzigen Befehl ausführen können.

Aktualisieren:

Sie können auch die Auswahlfunktion aus dem dplyr-Paket verwenden:

data = data %>% select(Time, out, In, Files)

Ich bin mir über die Effizienz nicht sicher, aber dank der Syntax von dplyr sollte diese Lösung flexibler sein, insbesondere wenn Sie viele Spalten haben. Im Folgenden werden beispielsweise die Spalten des mtcars-Datasets in umgekehrter Reihenfolge neu angeordnet:

mtcars %>% select(carb:mpg)

Im Folgenden werden nur einige Spalten neu angeordnet und andere verworfen:

mtcars %>% select(mpg:disp, hp, wt, gear:qsec, starts_with('carb'))

Lesen Sie mehr über die Auswahlsyntax von dplyr .

Wie in diesem Kommentar erwähnt , sind die Standardvorschläge für die Neuordnung von Spalten in adata.frame im Allgemeinen umständlich und fehleranfällig, insbesondere wenn Sie viele Spalten haben.

Mit dieser Funktion können Sie Spalten nach Position neu anordnen: Geben Sie einen Variablennamen und die gewünschte Position an und sorgen Sie sich nicht um die anderen Spalten.

##arrange df vars by position
##'vars' must be a named vector, e.g. c("var.name"=1)
arrange.vars <- function(data, vars){
    ##stop if not a data.frame (but should work for matrices as well)
    stopifnot(is.data.frame(data))

    ##sort out inputs
    data.nms <- names(data)
    var.nr <- length(data.nms)
    var.nms <- names(vars)
    var.pos <- vars
    ##sanity checks
    stopifnot( !any(duplicated(var.nms)), 
               !any(duplicated(var.pos)) )
    stopifnot( is.character(var.nms), 
               is.numeric(var.pos) )
    stopifnot( all(var.nms %in% data.nms) )
    stopifnot( all(var.pos > 0), 
               all(var.pos <= var.nr) )

    ##prepare output
    out.vec <- character(var.nr)
    out.vec[var.pos] <- var.nms
    out.vec[-var.pos] <- data.nms[ !(data.nms %in% var.nms) ]
    stopifnot( length(out.vec)==var.nr )

    ##re-arrange vars by position
    data <- data[ , out.vec]
    return(data)
}

Jetzt wird die Anfrage des OP so einfach:

table <- data.frame(Time=c(1,2), In=c(2,3), Out=c(3,4), Files=c(4,5))
table
##  Time In Out Files
##1    1  2   3     4
##2    2  3   4     5

arrange.vars(table, c("Out"=2))
##  Time Out In Files
##1    1   3  2     4
##2    2   4  3     5

Um zusätzlich Timeund FilesSpalten zu tauschen, können Sie dies tun:

arrange.vars(table, c("Out"=2, "Files"=1, "Time"=4))
##  Files Out In Time
##1     4   3  2    1
##2     5   4  3    2

Eine dplyrLösung (Teil des tidyversePaketsets) besteht darin, Folgendes zu verwenden select:

select(table, "Time", "Out", "In", "Files") 

# or

select(table, Time, Out, In, Files)

Vielleicht ist es ein Zufall, dass die gewünschte Spaltenreihenfolge Spaltennamen in absteigender alphabetischer Reihenfolge enthält. Da dies der Fall ist, können Sie einfach Folgendes tun:

df<-df[,order(colnames(df),decreasing=TRUE)]

Das verwende ich, wenn ich große Dateien mit vielen Spalten habe.

Sie können das Paket data.table verwenden :

So ordnen Sie data.table-Spalten neu an (ohne zu kopieren)

require(data.table)
setcolorder(DT,myOrder)

Die drei am besten bewerteten Antworten haben eine Schwäche.

Wenn Ihr Datenrahmen so aussieht

df <- data.frame(Time=c(1,2), In=c(2,3), Out=c(3,4), Files=c(4,5))

> df
  Time In Out Files
1    1  2   3     4
2    2  3   4     5

dann ist es eine schlechte Lösung zu verwenden

> df2[,c(1,3,2,4)]

Es macht den Job, aber Sie haben gerade eine Abhängigkeit von der Reihenfolge der Spalten in Ihrer Eingabe eingeführt.

Diese Art der spröden Programmierung ist zu vermeiden.

Die explizite Benennung der Spalten ist eine bessere Lösung

data[,c("Time", "Out", "In", "Files")]

Wenn Sie beabsichtigen, Ihren Code in einer allgemeineren Einstellung wiederzuverwenden, können Sie dies einfach tun

out.column.name <- "Out"
in.column.name <- "In"
data[,c("Time", out.column.name, in.column.name, "Files")]

Das ist auch sehr schön, weil es Literale vollständig isoliert. Im Gegensatz dazu, wenn Sie dplyr's verwendenselect

data <- data %>% select(Time, out, In, Files)

Dann würden Sie diejenigen einrichten, die Ihren Code später lesen, auch Sie selbst, für eine kleine Täuschung. Die Spaltennamen werden als Literale verwendet, ohne im Code als solcher zu erscheinen.

dplyrVersion 1.0.0enthält die relocate()Funktion zum einfachen Neuordnen von Spalten:

dat <- data.frame(Time=c(1,2), In=c(2,3), Out=c(3,4), Files=c(4,5))

library(dplyr) # from version 1.0.0 only

dat %>%
  relocate(Out, .before = In)

oder

dat %>%
  relocate(Out, .after = Time)

data.table::setcolorder(table, c("Out", "in", "files"))

Das einzige, was ich gut gesehen habe, ist von hier .

 shuffle_columns <- function (invec, movecommand) {
      movecommand <- lapply(strsplit(strsplit(movecommand, ";")[[1]],
                                 ",|\\s+"), function(x) x[x != ""])
  movelist <- lapply(movecommand, function(x) {
    Where <- x[which(x %in% c("before", "after", "first",
                              "last")):length(x)]
    ToMove <- setdiff(x, Where)
    list(ToMove, Where)
  })
  myVec <- invec
  for (i in seq_along(movelist)) {
    temp <- setdiff(myVec, movelist[[i]][[1]])
    A <- movelist[[i]][[2]][1]
    if (A %in% c("before", "after")) {
      ba <- movelist[[i]][[2]][2]
      if (A == "before") {
        after <- match(ba, temp) - 1
      }
      else if (A == "after") {
        after <- match(ba, temp)
      }
    }
    else if (A == "first") {
      after <- 0
    }
    else if (A == "last") {
      after <- length(myVec)
    }
    myVec <- append(temp, values = movelist[[i]][[1]], after = after)
  }
  myVec
}

Verwenden Sie wie folgt:

new_df <- iris[shuffle_columns(names(iris), "Sepal.Width before Sepal.Length")]

Klappt wunderbar.