按两列对R中的数据进行排序，但每行交替
Sorting Data in R by two columns but alternating each row
我正在尝试确定 x 或 y 个体（分别由一个唯一的数字表示）彼此占主导地位的次数。我用count来总结数据：
Dominance1<-count(Dominance, c('Dominant', 'Subordinate'))
数据如下所示：
> Dominant Subordinate freq
5 9 14
5 10 9
5 11 4
5 15 7
5 18 14
5 22 6
5 24 9
5 26 5
5 40 8
5 43 5
9 10 4
9 11 6
9 15 1
9 18 7
9 22 14
9 24 6
9 25 7
10 15 1
10 18 1
10 22 2
10 40 1
10 43 1
10 75 4
...等等（所有唯一ID为：5,9,10,11,80,15,75,18,85,22,82,24,25,26,86,68 ,79,83,81,77,91,40,87,43,78... 总数据集是 321 行观察到的这些 ID 和观察频率之间的不同关系）。
但我还需要并排查看在“5”从属时“9”占主导地位的次数。是否可以这样排序，让数据变成这样？
> Dominant Subordinate freq
5 9 14
9 5 0
5 11 4
11 5 7
目前只是根据 'Dominant' 列排序。有没有一种方法可以像我上面展示的那样交替，这样我就可以看到 x 对 y 占主导地位的频率，并与 y 对 x 占主导地位的频率进行比较？
这是完整的数据集：
Dom Sub freq
5 9 14
5 10 9
5 11 4
5 15 7
5 18 14
5 22 6
5 24 9
5 26 5
5 40 8
5 43 5
5 75 15
5 77 10
5 78 10
5 80 3
5 81 2
5 82 12
5 83 11
5 85 8
5 87 11
5 91 16
9 10 4
9 11 6
9 15 1
9 18 7
9 22 14
9 24 6
9 25 7
9 26 6
9 40 12
9 43 8
9 75 10
9 77 1
9 79 1
9 80 4
9 82 20
9 85 9
9 87 7
9 91 4
10 15 1
10 18 1
10 22 2
10 40 1
10 43 1
10 75 4
10 78 1
10 79 4
10 80 3
10 81 1
10 87 1
11 10 2
11 26 1
11 40 1
11 43 3
11 77 1
11 80 5
11 85 1
15 18 2
15 22 1
15 43 1
15 77 1
15 78 1
15 79 2
15 81 1
15 83 2
15 85 2
15 87 2
15 91 2
18 22 2
18 24 1
18 78 2
18 79 1
18 80 4
22 24 2
22 40 1
24 10 1
24 18 1
24 22 7
24 26 11
24 75 1
24 78 3
24 79 8
24 81 11
24 83 5
24 86 8
24 91 13
25 5 3
25 9 1
25 10 3
25 11 3
25 15 2
25 18 1
25 22 6
25 24 5
25 26 3
25 40 5
25 43 8
25 75 3
25 77 7
25 78 5
25 79 5
25 80 3
25 81 2
25 82 6
25 83 5
25 85 2
25 87 6
25 91 3
26 10 3
26 11 8
26 18 5
26 22 1
26 40 9
26 43 5
26 77 1
26 78 7
26 80 5
26 83 1
26 85 3
26 91 1
40 10 1
40 15 1
40 22 4
40 25 1
40 75 1
40 80 1
40 81 1
40 83 1
40 85 1
40 87 2
40 91 1
43 18 2
43 22 2
43 24 7
43 40 4
43 75 3
43 77 2
43 79 2
43 80 3
43 82 1
68 5 15
68 9 41
68 10 3
68 11 5
68 15 6
68 18 9
68 22 12
68 24 8
68 25 14
68 26 1
68 40 8
68 43 10
68 75 6
68 77 9
68 78 3
68 79 6
68 80 3
68 81 3
68 82 5
68 83 5
68 85 12
68 86 9
68 87 9
68 91 4
75 10 1
75 15 1
75 18 2
75 22 4
75 24 2
75 26 2
75 40 3
75 77 1
75 78 6
75 79 6
75 80 6
75 81 1
75 82 2
75 87 7
77 5 1
77 15 1
77 18 7
77 22 2
77 24 1
77 40 4
77 78 8
77 79 2
77 80 4
77 81 7
77 82 1
77 85 5
77 87 3
78 10 3
78 11 1
78 15 1
78 18 1
78 40 2
78 43 1
78 83 2
78 86 2
79 5 4
79 9 20
79 15 1
79 18 1
79 26 4
79 68 1
79 75 1
79 77 1
79 78 2
79 80 1
79 81 4
79 82 10
79 83 9
79 85 4
79 91 15
80 22 2
80 43 1
80 78 2
81 5 14
81 9 20
81 10 2
81 18 8
81 22 11
81 25 3
81 26 4
81 43 1
81 68 1
81 75 4
81 77 1
81 78 4
81 79 3
81 80 11
81 82 13
81 83 13
81 85 1
81 86 3
81 87 1
81 91 16
82 10 4
82 15 4
82 18 1
82 22 1
82 24 3
82 26 2
82 40 7
82 43 3
82 77 5
82 78 2
82 80 4
82 83 3
82 85 2
82 87 4
83 9 2
83 10 4
83 11 3
83 15 7
83 18 2
83 22 2
83 25 2
83 26 5
83 43 3
83 68 1
83 75 3
83 77 7
83 78 5
83 80 2
83 81 1
83 82 2
83 85 1
83 87 9
83 91 4
85 10 2
85 11 2
85 15 1
85 18 1
85 22 2
85 26 1
85 40 2
85 43 6
85 75 4
85 78 1
85 79 2
85 80 2
86 5 9
86 9 6
86 10 5
86 11 6
86 15 5
86 18 5
86 22 9
86 25 22
86 26 6
86 40 3
86 43 12
86 68 1
86 75 16
86 77 4
86 78 4
86 79 9
86 80 8
86 82 16
86 83 6
86 85 6
86 87 5
86 91 12
87 10 1
87 77 1
87 80 4
87 85 1
91 10 4
91 11 3
91 18 5
91 22 1
91 24 1
91 26 2
91 40 1
91 43 1
91 75 3
91 77 4
91 80 2
91 82 9
91 85 8
91 87 8
dplyr 中的 summarise 和 group_by 函数在这里可能会有用：
library(dplyr)
# Creating some data for us to work with:
x <- round(runif(n = 100, min = 0, max = 10))
y <- round(runif(n = 100, min = 0, max = 10))
df <- data.frame(x,y)
df %>%
group_by(x, y) %>%
summarise(freq= n())
每对唯一的 x 和 y 的频率在 'freq' 列中生成
# A tibble: 65 x 3
# Groups: x [?]
x y freq
<dbl> <dbl> <int>
1 0. 0. 1
2 0. 2. 1
3 0. 4. 1
4 0. 5. 1
5 0. 7. 1
6 1. 2. 3
7 1. 4. 2
8 1. 5. 2
9 1. 6. 2
10 1. 8. 1
# ... with 55 more rows
您是否考虑过将此数据表示为图表以进行检查？如果您只是想确定这些对的位置，它可能会有用（如果您想以编程方式执行此操作则没有那么有用）。您提供的数据没有任何相互关系，因此我们无法在这里挑选出任何相互关系——如果它们确实存在，当您查看图表时，它们就会弹出。但是，也许这会有所帮助：
library(igraph)
Dominance1 <- read.table("local copy of data",header=TRUE)
g <- graph.data.frame(Dominance1[,1:2],directed=TRUE)
E(g)$weight <- as.numeric(Dominance1[,3])
plot(g,edge.arrow.size=0.5,edge.curved=0.2,vertex.color="lightblue",
vertex.size=22,layout=layout_on_grid,edge.color="black")
如果您想在图表上查看权重，可以将 edge.label=E(g)$weight 作为参数添加到 plot。
您可以使用 which(which_mutual(g)=="TRUE") 找到具有倒数的节点——因为样本数据中没有匹配项，输出很无聊，但是当您在完整数据集上 运行 它应该为你拿出你所有的互助。
> E(g)[which(which_mutual(g)=="FALSE")] # edges where there are no mutuals
+ 23/23 edges from 998a30d (vertex names):
[1] 5 ->9 5 ->10 5 ->11 5 ->15 5 ->18 5 ->22 5 ->24 5 ->26 5 ->40 5 ->43 9 ->10 9 ->11
[13] 9 ->15 9 ->18 9 ->22 9 ->24 9 ->25 10->15 10->18 10->22 10->40 10->43 10->75
> E(g)[which(which_mutual(g)=="TRUE")] # edges where there ARE mutuals
+ 0/23 edges from 998a30d (vertex names):
我知道这是解决您的问题的一种侧面方法，但希望它可能有点用处！
感谢您发布完整的数据集！更新如下：
library(igraph)
Dom <- read.table("localcopyofdata.txt",header=TRUE)
g <- graph.data.frame(Dom[,1:2],directed=TRUE)
E(g)$weight <- as.numeric(Dom[,3])
这会生成一个具有 321 个连接的 igraph 对象，您可以通过键入 g 查看这些连接。要进行你想要的排序，我们必须拉出顶点的前半部分+1：
> vertices <- unique(V(g)[1:floor((length(unique(V(g)))/2)+1)])
+ 13/25 vertices, named, from c0101e5:
[1] 5 9 10 11 15 18 22 24 25 26 40 43 68
（实际上，如果您对具有 vertices <- unique(V(g) 的所有顶点都执行此操作并没有什么坏处——您稍后可以通过任何节点查找连接。）现在我们知道了顶点，我们可以对所有这些应用一个函数，以您可以比较它们的方式提取匹配项。命令为：
lapply(vertices, function(x) E(g)[[inc(x)]])
输出如下所示，每个节点一组：
$`5`
+ 26/321 edges from c0101e5 (vertex names):
tail head tid hid weight
1 5 9 1 2 14
2 5 10 1 3 9
3 5 11 1 4 4
4 5 15 1 5 7
5 5 18 1 6 14
6 5 22 1 7 6
7 5 24 1 8 9
8 5 26 1 10 5
9 5 40 1 11 8
10 5 43 1 12 5
11 5 75 1 14 15
12 5 77 1 15 10
13 5 78 1 16 10
14 5 80 1 18 3
15 5 81 1 19 2
16 5 82 1 20 12
17 5 83 1 21 11
18 5 85 1 22 8
19 5 87 1 24 11
20 5 91 1 25 16
86 25 5 9 1 3
140 68 5 13 1 15
178 77 5 15 1 1
199 79 5 17 1 4
217 81 5 19 1 14
282 86 5 23 1 9
如果你这样做 results <- lapply(vertices, function(x) E(g)[[inc(x)]]) 那么你可以单独调用任何你想要的节点：
> results$'5'
+ 26/321 edges from c0101e5 (vertex names):
tail head tid hid weight
1 5 9 1 2 14
2 5 10 1 3 9
3 5 11 1 4 4
... the rest are truncated
现在您可以从 results 创建一个 dplyr-able 数据框（如果您想在另一个数据集上使用它，请务必将 13 更改为 length(results)）：
step1 <- capture.output(for(n in 1:13) { for(j in n){print(results[[j]])} })
step2 <- step1[grep("^\d",step1),drop=T]
step3 <- unlist(strsplit(step2,"\s+")) # produces list of 1938 numbers
step4 <- as.data.frame(matrix(unlist(step3), ncol=6, byrow=TRUE), stringsAsFactors=FALSE)
group <- cumsum(c(1, sign(diff(as.numeric(step4$V1)) < 0)))
step5 <- cbind(group,step4[,c(2,3,6)])
names(step5) <- c("Group","Dom","Sub","Weight")
现在您可以用它做 dplyr 事情，例如：
> step5 %>% filter(Group==1)
Group Dom Sub Weight
1 1 5 9 14
2 1 5 10 9
3 1 5 11 4
4 1 5 15 7
5 1 5 18 14
6 1 5 22 6
... the rest is truncated
希望对您有所帮助！必须有一种更简单的方法来解决这个问题，但我喜欢将其表示为图形让您有机会可视化连接（可能不是针对您的问题，而是针对我遇到的其他问题）。
我正在尝试确定 x 或 y 个体（分别由一个唯一的数字表示）彼此占主导地位的次数。我用count来总结数据：
Dominance1<-count(Dominance, c('Dominant', 'Subordinate'))
数据如下所示：
> Dominant Subordinate freq
5 9 14
5 10 9
5 11 4
5 15 7
5 18 14
5 22 6
5 24 9
5 26 5
5 40 8
5 43 5
9 10 4
9 11 6
9 15 1
9 18 7
9 22 14
9 24 6
9 25 7
10 15 1
10 18 1
10 22 2
10 40 1
10 43 1
10 75 4
...等等（所有唯一ID为：5,9,10,11,80,15,75,18,85,22,82,24,25,26,86,68 ,79,83,81,77,91,40,87,43,78... 总数据集是 321 行观察到的这些 ID 和观察频率之间的不同关系）。
但我还需要并排查看在“5”从属时“9”占主导地位的次数。是否可以这样排序，让数据变成这样？
> Dominant Subordinate freq
5 9 14
9 5 0
5 11 4
11 5 7
目前只是根据 'Dominant' 列排序。有没有一种方法可以像我上面展示的那样交替，这样我就可以看到 x 对 y 占主导地位的频率，并与 y 对 x 占主导地位的频率进行比较？
这是完整的数据集：
Dom Sub freq
5 9 14
5 10 9
5 11 4
5 15 7
5 18 14
5 22 6
5 24 9
5 26 5
5 40 8
5 43 5
5 75 15
5 77 10
5 78 10
5 80 3
5 81 2
5 82 12
5 83 11
5 85 8
5 87 11
5 91 16
9 10 4
9 11 6
9 15 1
9 18 7
9 22 14
9 24 6
9 25 7
9 26 6
9 40 12
9 43 8
9 75 10
9 77 1
9 79 1
9 80 4
9 82 20
9 85 9
9 87 7
9 91 4
10 15 1
10 18 1
10 22 2
10 40 1
10 43 1
10 75 4
10 78 1
10 79 4
10 80 3
10 81 1
10 87 1
11 10 2
11 26 1
11 40 1
11 43 3
11 77 1
11 80 5
11 85 1
15 18 2
15 22 1
15 43 1
15 77 1
15 78 1
15 79 2
15 81 1
15 83 2
15 85 2
15 87 2
15 91 2
18 22 2
18 24 1
18 78 2
18 79 1
18 80 4
22 24 2
22 40 1
24 10 1
24 18 1
24 22 7
24 26 11
24 75 1
24 78 3
24 79 8
24 81 11
24 83 5
24 86 8
24 91 13
25 5 3
25 9 1
25 10 3
25 11 3
25 15 2
25 18 1
25 22 6
25 24 5
25 26 3
25 40 5
25 43 8
25 75 3
25 77 7
25 78 5
25 79 5
25 80 3
25 81 2
25 82 6
25 83 5
25 85 2
25 87 6
25 91 3
26 10 3
26 11 8
26 18 5
26 22 1
26 40 9
26 43 5
26 77 1
26 78 7
26 80 5
26 83 1
26 85 3
26 91 1
40 10 1
40 15 1
40 22 4
40 25 1
40 75 1
40 80 1
40 81 1
40 83 1
40 85 1
40 87 2
40 91 1
43 18 2
43 22 2
43 24 7
43 40 4
43 75 3
43 77 2
43 79 2
43 80 3
43 82 1
68 5 15
68 9 41
68 10 3
68 11 5
68 15 6
68 18 9
68 22 12
68 24 8
68 25 14
68 26 1
68 40 8
68 43 10
68 75 6
68 77 9
68 78 3
68 79 6
68 80 3
68 81 3
68 82 5
68 83 5
68 85 12
68 86 9
68 87 9
68 91 4
75 10 1
75 15 1
75 18 2
75 22 4
75 24 2
75 26 2
75 40 3
75 77 1
75 78 6
75 79 6
75 80 6
75 81 1
75 82 2
75 87 7
77 5 1
77 15 1
77 18 7
77 22 2
77 24 1
77 40 4
77 78 8
77 79 2
77 80 4
77 81 7
77 82 1
77 85 5
77 87 3
78 10 3
78 11 1
78 15 1
78 18 1
78 40 2
78 43 1
78 83 2
78 86 2
79 5 4
79 9 20
79 15 1
79 18 1
79 26 4
79 68 1
79 75 1
79 77 1
79 78 2
79 80 1
79 81 4
79 82 10
79 83 9
79 85 4
79 91 15
80 22 2
80 43 1
80 78 2
81 5 14
81 9 20
81 10 2
81 18 8
81 22 11
81 25 3
81 26 4
81 43 1
81 68 1
81 75 4
81 77 1
81 78 4
81 79 3
81 80 11
81 82 13
81 83 13
81 85 1
81 86 3
81 87 1
81 91 16
82 10 4
82 15 4
82 18 1
82 22 1
82 24 3
82 26 2
82 40 7
82 43 3
82 77 5
82 78 2
82 80 4
82 83 3
82 85 2
82 87 4
83 9 2
83 10 4
83 11 3
83 15 7
83 18 2
83 22 2
83 25 2
83 26 5
83 43 3
83 68 1
83 75 3
83 77 7
83 78 5
83 80 2
83 81 1
83 82 2
83 85 1
83 87 9
83 91 4
85 10 2
85 11 2
85 15 1
85 18 1
85 22 2
85 26 1
85 40 2
85 43 6
85 75 4
85 78 1
85 79 2
85 80 2
86 5 9
86 9 6
86 10 5
86 11 6
86 15 5
86 18 5
86 22 9
86 25 22
86 26 6
86 40 3
86 43 12
86 68 1
86 75 16
86 77 4
86 78 4
86 79 9
86 80 8
86 82 16
86 83 6
86 85 6
86 87 5
86 91 12
87 10 1
87 77 1
87 80 4
87 85 1
91 10 4
91 11 3
91 18 5
91 22 1
91 24 1
91 26 2
91 40 1
91 43 1
91 75 3
91 77 4
91 80 2
91 82 9
91 85 8
91 87 8
dplyr 中的 summarise 和 group_by 函数在这里可能会有用：
library(dplyr)
# Creating some data for us to work with:
x <- round(runif(n = 100, min = 0, max = 10))
y <- round(runif(n = 100, min = 0, max = 10))
df <- data.frame(x,y)
df %>%
group_by(x, y) %>%
summarise(freq= n())
每对唯一的 x 和 y 的频率在 'freq' 列中生成
# A tibble: 65 x 3
# Groups: x [?]
x y freq
<dbl> <dbl> <int>
1 0. 0. 1
2 0. 2. 1
3 0. 4. 1
4 0. 5. 1
5 0. 7. 1
6 1. 2. 3
7 1. 4. 2
8 1. 5. 2
9 1. 6. 2
10 1. 8. 1
# ... with 55 more rows
您是否考虑过将此数据表示为图表以进行检查？如果您只是想确定这些对的位置，它可能会有用（如果您想以编程方式执行此操作则没有那么有用）。您提供的数据没有任何相互关系，因此我们无法在这里挑选出任何相互关系——如果它们确实存在，当您查看图表时，它们就会弹出。但是，也许这会有所帮助：
library(igraph)
Dominance1 <- read.table("local copy of data",header=TRUE)
g <- graph.data.frame(Dominance1[,1:2],directed=TRUE)
E(g)$weight <- as.numeric(Dominance1[,3])
plot(g,edge.arrow.size=0.5,edge.curved=0.2,vertex.color="lightblue",
vertex.size=22,layout=layout_on_grid,edge.color="black")
如果您想在图表上查看权重，可以将 edge.label=E(g)$weight 作为参数添加到 plot。
您可以使用 which(which_mutual(g)=="TRUE") 找到具有倒数的节点——因为样本数据中没有匹配项，输出很无聊，但是当您在完整数据集上 运行 它应该为你拿出你所有的互助。
> E(g)[which(which_mutual(g)=="FALSE")] # edges where there are no mutuals
+ 23/23 edges from 998a30d (vertex names):
[1] 5 ->9 5 ->10 5 ->11 5 ->15 5 ->18 5 ->22 5 ->24 5 ->26 5 ->40 5 ->43 9 ->10 9 ->11
[13] 9 ->15 9 ->18 9 ->22 9 ->24 9 ->25 10->15 10->18 10->22 10->40 10->43 10->75
> E(g)[which(which_mutual(g)=="TRUE")] # edges where there ARE mutuals
+ 0/23 edges from 998a30d (vertex names):
我知道这是解决您的问题的一种侧面方法，但希望它可能有点用处！
感谢您发布完整的数据集！更新如下：
library(igraph)
Dom <- read.table("localcopyofdata.txt",header=TRUE)
g <- graph.data.frame(Dom[,1:2],directed=TRUE)
E(g)$weight <- as.numeric(Dom[,3])
这会生成一个具有 321 个连接的 igraph 对象，您可以通过键入 g 查看这些连接。要进行你想要的排序，我们必须拉出顶点的前半部分+1：
> vertices <- unique(V(g)[1:floor((length(unique(V(g)))/2)+1)])
+ 13/25 vertices, named, from c0101e5:
[1] 5 9 10 11 15 18 22 24 25 26 40 43 68
（实际上，如果您对具有 vertices <- unique(V(g) 的所有顶点都执行此操作并没有什么坏处——您稍后可以通过任何节点查找连接。）现在我们知道了顶点，我们可以对所有这些应用一个函数，以您可以比较它们的方式提取匹配项。命令为：
lapply(vertices, function(x) E(g)[[inc(x)]])
输出如下所示，每个节点一组：
$`5`
+ 26/321 edges from c0101e5 (vertex names):
tail head tid hid weight
1 5 9 1 2 14
2 5 10 1 3 9
3 5 11 1 4 4
4 5 15 1 5 7
5 5 18 1 6 14
6 5 22 1 7 6
7 5 24 1 8 9
8 5 26 1 10 5
9 5 40 1 11 8
10 5 43 1 12 5
11 5 75 1 14 15
12 5 77 1 15 10
13 5 78 1 16 10
14 5 80 1 18 3
15 5 81 1 19 2
16 5 82 1 20 12
17 5 83 1 21 11
18 5 85 1 22 8
19 5 87 1 24 11
20 5 91 1 25 16
86 25 5 9 1 3
140 68 5 13 1 15
178 77 5 15 1 1
199 79 5 17 1 4
217 81 5 19 1 14
282 86 5 23 1 9
如果你这样做 results <- lapply(vertices, function(x) E(g)[[inc(x)]]) 那么你可以单独调用任何你想要的节点：
> results$'5'
+ 26/321 edges from c0101e5 (vertex names):
tail head tid hid weight
1 5 9 1 2 14
2 5 10 1 3 9
3 5 11 1 4 4
... the rest are truncated
现在您可以从 results 创建一个 dplyr-able 数据框（如果您想在另一个数据集上使用它，请务必将 13 更改为 length(results)）：
step1 <- capture.output(for(n in 1:13) { for(j in n){print(results[[j]])} })
step2 <- step1[grep("^\d",step1),drop=T]
step3 <- unlist(strsplit(step2,"\s+")) # produces list of 1938 numbers
step4 <- as.data.frame(matrix(unlist(step3), ncol=6, byrow=TRUE), stringsAsFactors=FALSE)
group <- cumsum(c(1, sign(diff(as.numeric(step4$V1)) < 0)))
step5 <- cbind(group,step4[,c(2,3,6)])
names(step5) <- c("Group","Dom","Sub","Weight")
现在您可以用它做 dplyr 事情，例如：
> step5 %>% filter(Group==1)
Group Dom Sub Weight
1 1 5 9 14
2 1 5 10 9
3 1 5 11 4
4 1 5 15 7
5 1 5 18 14
6 1 5 22 6
... the rest is truncated
希望对您有所帮助！必须有一种更简单的方法来解决这个问题，但我喜欢将其表示为图形让您有机会可视化连接（可能不是针对您的问题，而是针对我遇到的其他问题）。