Question

我想知道R排序算法在排序字符向量时如何工作

a = c("aa(150)", "aa(1)S")
sort(a)
# [1] "aa(150)" "aa(1)S" 
a = c("aa(150)", "aa(1)")
sort(a)
# [1] "aa(1)" "aa(150)"

R不是从左到右逐个比较字符的整数值吗？添加角色的原因可以改变结果吗？

我认为排序由“5”和“）”字符决定，后面的字符被忽略。

与Python比较

In [1]: a=["aa(150)","aa(1)"]
In [2]: sorted(a)
Out[2]: ['aa(1)', 'aa(150)']
In [3]: a=["aa(150)","aa(1)S"]
In [4]: sorted(a)
Out[4]: ['aa(1)S', 'aa(150)']

Answer 1

将语言环境设置为默认值，在大多数情况下将关闭特定于语言环境的排序：

Sys.setlocale("LC_COLLATE", "C")
a=c("aa(150)","aa(1)S")
sort(a)
#[1] "aa(1)S"  "aa(150)"

由于语言差异，字符串排序必须具有国际特异性。来自?sort的帮助：

字符向量的排序顺序取决于整理正在使用的语言环境的序列：参见比较。

然后我们可以转到?Comparisons：

字符向量中字符串的比较是字典中的字典使用正在使用的语言环境的整理顺序的字符串：请参阅语言环境。诸如en_US的语言环境的整理顺序通常是不同于C（应该使用ASCII）并且可能令人惊讶。谨防对整理顺序做出任何假设：例如在爱沙尼亚语Z介于S和T之间，并且不一定是整理逐个字符 - 在丹麦语中作为单个字母排序，之后 ž。在威尔士语中，可能是也可能不是单个排序单元：如果是它跟着g。

如上所述，因为每种语言都以不同的方式使用字母，所以语言环境对排序很重要。

排序字符向量时的结果不同

1 个答案: