r - 使混合排序区分大小写？ [r]

Question

我正在尝试按自然顺序对字符向量进行排序(就像人类排序一样)，但要考虑大小写差异。例如，在下面的向量中，我想独立地对所有小“m”和大“M”进行排序。

x<- c("m10", "M10", "m11", "m12", "m2", "M2", "m3", "M3", "m4", "M4", "yo1", "yo2")

所以它看起来像:

  DesiredSort(x)

 [1] "M2" "M3" "M4" "M10" "m2" "m3" "m4" "m10" "m11" "m12" "yo1" "yo2"

来自 here我知道了如何使 sort 考虑大小写:

sortC <- function(...) {
  a <- Sys.getlocale("LC_COLLATE")
  on.exit(Sys.setlocale("LC_COLLATE", a))
  Sys.setlocale("LC_COLLATE", "C")
  sort(...)
} 
sortC(x)

[1] "M10" "M2"  "M3"  "M4"  "m10" "m11" "m12" "m2"  "m3"  "m4" "yo1" "yo2"

但这并没有给出自然顺序。我知道 gtools 的 mixedsort 会正确地将 m2 放在 m10 之前，这样:

mixedsort(x)

[1] "m2"  "M2"  "m3"  "M3"  "m4"  "M4"  "m10" "M10" "m11" "m12" "yo1" "yo2"

但是 mixedsort 特别忽略了字符串的大小写，所以做类似 SortC 的功能是行不通的。

我有几个向量可以按这种方式排序，它们包含示例中未包含的字符，因此最好能找到一种通用的排序方式。

想法？也许我缺少一些明显的东西。谢谢。

Answer 1

您需要解决方案的通用性如何？下面的自定义解决方案适合您的数据集，但您并不完全清楚(至少对我而言)在包含任意字符串的向量的一般情况下您想发生什么。

DesiredSort <- function(x)
{
  library(stringr)

  locale <- Sys.getlocale("LC_COLLATE")
  on.exit(Sys.setlocale("LC_COLLATE", locale))
  Sys.setlocale("LC_COLLATE", "C")

  x_matches <- str_match(x, "(^[[:alpha:]]+)([[:digit:]]+)")[, 2:3]

  x_data <- data.frame(
    letter = x_matches[, 1], 
    number = as.numeric(x_matches[, 2])
  )
  o <- with(x_data, order(letter, number))
  x[o]
}

x <- c("m10", "M10", "m11", "m12", "m2", "M2", "m3", "M3", "m4", "M4", "yo1", "yo2")
expected <- c("M2", "M3", "M4", "M10", "m2", "m3", "m4", "m10", "m11", "m12", "yo1", "yo2")
stopifnot(identical(DesiredSort(x), expected))