• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • Python
  • Pandas
  • NumPy
  • Matlab
  • Julia
  • JavaScript
  • Excel

Ordenar los datos en R utilizando los valores de otra columna

agosto 29, 2018 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Orden

En ciertas ocasiones es necesario ordenar los datos de un dataframe o matiz en base a los valores de una columna. Por ejemplo, cuando se tiene los datos de clientes y se desea ordenar por alguna variable como el gasto o la edad. En esta entrada se va a explicar cómo ordenar los datos en R en base a una columna.

Creación de un conjunto de datos de ejemplo

En primer lugar, se va a crear unos datos de ejemplo. Un dataframe que contiene los datos de cuatro clientes. Esto es lo que se hace con el siguiente código

clients <- data.frame(first_name = c('Sigrid', 'Joe', 'Theodoric', 'Dyane'),
                      last_name = c('Mannock', 'Hinners', 'Rivers', 'Axtonne'),
                      age = c(27, 31, 36, 30),
                      amount = c(7.71, 5.50, 1.11, NA))
  first_name last_name age amount
1     Sigrid   Mannock  27   7.71
2        Joe   Hinners  31   5.50
3  Theodoric    Rivers  36   1.11
4      Dyane   Axtonne  30     NA

Ordenación de los datos

Ahora puede ser interesante ordenar los datos de los clientes en base a su gasto. Para ello, en lugar de la función sort que devuelve los elementos ordenados, se ha de utiliza la función order que devuelve la ordenación de los elementos. Así, para ordenar el dataframe en base a la edad simplemente se ha utilizar el orden indicado.

clients[order(clients$amount), ]
  first_name last_name age amount
3  Theodoric    Rivers  36   1.11
2        Joe   Hinners  31   5.50
1     Sigrid   Mannock  27   7.71
4      Dyane   Axtonne  30     NA

Al ejecutar el ejemplo se observa que los clientes aparecen ordenados de menor a mayor gasto. Para cambiar el orden simplemente se le ha de indicar a la función asignando el valor falso a la propiedad decreasing.

Publicidad


clients[order(clients$amount, decreasing = TRUE), ]
  first_name last_name age amount
1     Sigrid   Mannock  27   7.71
2        Joe   Hinners  31   5.50
3  Theodoric    Rivers  36   1.11
4      Dyane   Axtonne  30     NA

Finalmente, si se desea que los valore nulos aparezcan en primer lugar se puede hacer con la propiedad na.last. Por defecto es cierto, por lo que se ha de asignar el valor falso para que en primer lugar aparezcan los NA.

clients[order(clients$amount, decreasing = TRUE, na.last = FALSE), ]
  first_name last_name age amount
4      Dyane   Axtonne  30     NA
1     Sigrid   Mannock  27   7.71
2        Joe   Hinners  31   5.50
3  Theodoric    Rivers  36   1.11

Ordenación de los datos con matrices

En caso de trabajar con matrices en lugar de dataframe se puede utilizar igualmente la función order de forma análoga. Por ejemplo, si se crea una matriz aleatoria

set.seed(0)
x <- matrix(sample(1:100, 21, replace=TRUE), 7, 3)
     [,1] [,2] [,3]
[1,]   90   95   39
[2,]   27   67   77
[3,]   38   63   50
[4,]   58    7   72
[5,]   91   21  100
[6,]   21   18   39
[7,]   90   69   78

Simplemente se ha ejecutar

x[order(x[,3]),]
     [,1] [,2] [,3]
[1,]   90   95   39
[2,]   21   18   39
[3,]   38   63   50
[4,]   58    7   72
[5,]   27   67   77
[6,]   90   69   78
[7,]   91   21  100

Al trabajar con matrices se puede ordenar esta por columnas. Esto se puede hacer de forma análoga

x[, order(x[3,])]
     [,1] [,2] [,3]
[1,]   90   39   95
[2,]   27   77   67
[3,]   38   50   63
[4,]   58   72    7
[5,]   91  100   21
[6,]   21   39   18
[7,]   90   78   69

Conclusiones

En esta entrada se ha visto cómo ordenar tanto un dataframe como una matriz en R utilizando los valores de una columna.

Publicidad


Imágenes: Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 1

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Database
    Uso de JDBC en R para conexión a base de datos
  • luggage
    Pruebas avanzadas con testthat (Creación de paquetes…
  • columbine
    Ejemplo de uso: regresión lineal con rpy2
  • spiral
    Cómo combinar dataframes en R
  • vacation
    Diferencias entre Apache Arrow y Parquet
  • Integración de lintr con RStudio
    Auditar el código R con lintr

Publicado en: R

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Publicidad





Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Facebook
  • GitHub
  • Instagram
  • Pinterest
  • RSS
  • Twitter
  • Tumblr
  • YouTube

Publicidad

Entradas recientes

Mantener un sistema de alta disponibilidad con PostgreSQL y repmgr

diciembre 1, 2023 Por Daniel Rodríguez

Diferencias entre los errores 401 y 403 del estándar HTTP

noviembre 29, 2023 Por Daniel Rodríguez

Ver el código de cualquier función en Python

noviembre 27, 2023 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Duplicado Eliminar registros duplicados en pandas publicado el junio 20, 2018 | en Python
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • ¿Cómo cambiar el nombre de las columnas en Pandas? publicado el mayo 6, 2019 | en Python
  • El método Sainte-Laguë y su implementación en Python publicado el septiembre 22, 2023 | en Ciencia de datos
  • Numpy básico: eliminar elementos en arrays de Numpy publicado el octubre 30, 2019 | en Python

Publicidad

Lo mejor valorado

4.9 (22)

Seleccionar filas y columnas en Pandas con iloc y loc

4.7 (12)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.6 (15)

Archivos JSON con Python: lectura y escritura

4.5 (10)

Diferencias entre var y let en JavaScript

4.4 (13)

Ordenación de diccionarios en Python mediante clave o valor

Publicidad

Comentarios recientes

  • Anto en Rendimiento al iterar en JavaScript sobre un vector
  • Daniel Rodríguez en Creación de un certificado Let’s Encrypt en Windows con Win-Acme
  • Guillermo en Creación de un certificado Let’s Encrypt en Windows con Win-Acme
  • Daniel Rodríguez en ¿Cómo eliminar columnas y filas en un dataframe pandas?
  • Miguel en ¿Cómo eliminar columnas y filas en un dataframe pandas?

Publicidad

Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2023 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto