按因子级别的顺序对数据框中行内的值进行排序？

Question

因此，我正在尝试使用 R Shiny 创建一个用于桌面角色扮演游戏的工具，允许玩家自动生成随机幽灵。这些统计数据是因素，顺序为“最高”、“良好”、“中等”、“较差”、“糟糕”和“最差”。为了创建幻影，我需要采用这些因素的向量，长度为 25 个项目，随机化顺序，然后将其放入 5x5 数据框中，然后将两行从最好到最差进行排序。

目前，基本的 R 代码（除了闪亮的东西，因为它只是让事情变得复杂，而且不是这里的主要问题）看起来像这样：

arcanaVector <- c(rep("Supreme", 3),
                  rep(c("Good", "Moderate", "Poor", "Awful"), each = 5),
                  rep("Worst", 2))
arcanaLevels <- c("Supreme", "Good", "Moderate", "Poor", "Awful", "Worst")
arcanaVector <- factor(arcanaVector, ordered = TRUE, levels = arcanaLevels)
shuffled_arcana <- sample(arcanaVector)
arcana_table <- as.data.frame(matrix(shuffled_arcana,
                                     nrow = 5, ncol = 5))
row.names(arcana_table) <- c("Presence", "Manner", "Expression", "Complexity", "Tradition")

大部分代码正在工作，并且它产生的输出看起来有点像这样：

行名称	Col1	Col2	Col3	Col4	Col5
状态	糟糕	好	差 最高	最差	中等
态度	好 糟糕	中等	最高	表达	糟糕
方式	差	差	可怕	糟糕	复杂
性	差	好	最坏	好	好
传统	最高	中等	中等	中等	差

但是，无论我做什么，我似乎都无法对其进行正确排序。我尝试过 order()，我尝试过 sort()，我查看了 StackExchange 上可以看到的所有代码，但找不到任何有帮助的内容。充其量，它什么也没做；最坏的情况是，它不仅无法排序，而且还删除了因子值，以便仅显示基础数字。

例如，一旦在“存在”行上排序，它应该看起来像这样：

行名称	Col1	Col2	Col3	Col4	Col5
Presence	Supreme	Good	Poor	Awful	Worst
Manner	Good	Awful	Moderate	Moderate	Supreme
Expression	Awful	Poor	Poor	Awful	Awful
Complexity	Poor	Good	Worst	Good	Good
Tradition	Supreme	中等	中等	中等	差

Answer 1

在您的代码中，问题发生在这一行。

arcana_table <- as.data.frame(matrix(shuffled_arcana, nrow = 5, ncol = 5))

shuffled_arcana 是一个因子向量，但您不能拥有因子矩阵，因此它将向量从因子更改为字符，因此排序不会按预期进行。

这是一种方法 -

set.seed(2022)

arcanaVector <- c(rep("Supreme", 3),
                  rep(c("Good", "Moderate", "Poor", "Awful"), each = 5),
                  rep("Worst", 2))
arcanaLevels <- c("Supreme", "Good", "Moderate", "Poor", "Awful", "Worst")
shuffled_arcana <- sample(arcanaVector)
arcana_table <- matrix(shuffled_arcana,nrow = 5, ncol = 5)
row.names(arcana_table) <- c("Presence", "Manner", "Expression", "Complexity", "Tradition")

arcana_table <- apply(arcana_table, 1, function(x) sort(factor(x, arcanaLevels))) |>
  t() |>
  as.data.frame()

arcana_table

#                 V1       V2       V3       V4    V5
#Presence       Good     Good     Good     Good Awful
#Manner      Supreme Moderate     Poor    Awful Awful
#Expression  Supreme  Supreme Moderate Moderate  Poor
#Complexity Moderate Moderate     Poor     Poor Worst
#Tradition      Good     Poor    Awful    Awful Worst

如果您想更改可以使用的特定行 -

arcana_table[1, ] <- as.character(sort(factor(arcana_table[1, ], arcanaLevels))) 

Answer 2

如果我理解正确的话，您想按所选行对矩阵的列进行排序。如果是这样，我想你可能会这样做：

chosen <- 'Presence'
arcana_table[, order(factor(arcana_table[chosen, ], levels=arcanaLevels))]
#            [,1]       [,2]       [,3]       [,4]    [,5]      
# Presence   "Supreme"  "Moderate" "Poor"     "Poor"  "Poor"    
# Manner     "Awful"    "Worst"    "Good"     "Worst" "Awful"   
# Expression "Awful"    "Poor"     "Supreme"  "Poor"  "Good"    
# Complexity "Moderate" "Awful"    "Moderate" "Good"  "Good"    
# Tradition  "Moderate" "Supreme"  "Good"     "Awful" "Moderate"

chosen <- 'Manner'
arcana_table[, order(factor(arcana_table[chosen, ], levels=arcanaLevels))]
#            [,1]       [,2]       [,3]       [,4]    [,5]   
# Presence   "Poor"     "Supreme"  "Poor"     "Poor"  "Moderate"
# Manner     "Good"     "Awful"    "Awful"    "Worst" "Worst"   
# Expression "Supreme"  "Awful"    "Good"     "Poor"  "Poor"    
# Complexity "Moderate" "Moderate" "Good"     "Good"  "Awful"   
# Tradition  "Good"     "Moderate" "Moderate" "Awful" "Supreme" 

注意，因子中的顺序是由提供级别的顺序给出的。 ordered=TRUE 参数实际上进一步区分了序数尺度和名义尺度。

---

数据：

arcanaVector <- structure(c(1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 
4L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 5L, 6L, 6L), .Label = c("Supreme", 
"Good", "Moderate", "Poor", "Awful", "Worst"), class = c("ordered", 
"factor"))

set.seed(42)  ## for sake of reproducibility

arcana_table <- matrix(sample(arcanaVector), nrow=5, ncol=5,
                       dimnames=list(c("Presence", "Manner", "Expression",
                                       "Complexity", "Tradition"), NULL)) 

arcanaLevels <- c("Supreme", "Good", "Moderate", "Poor", "Awful", "Worst")