在 Rcpp 中按列对数据框排序

有没有简单的方法可以通过 RCpp 中的两列（或多列或一列）对 DataFrame 进行排序？

网上有很多排序算法，或者我可以使用std::sort带有 DataFrame 的包装器，但我想知道 RCpp 或 RCppArmadillo 中是否已有可用的东西？

我需要将这种排序/排序作为另一个函数的一部分

DataFrame myFunc(DataFrame myDF, NumericVector x) {
  //// some code here
  DataFrame myDFsorted = sort (myDF, someColName1, someColName2) // how to sort??
  //// some code here
}

我想避免访问 RorderRCpp 中的函数（用于保持 RCpp 代码的速度）。

非常感谢

困难在于数据框是一组向量，可能具有不同类型；我们需要一种独立于这些类型（整数、字符……）对它们进行排序的方法。在 dplyr 中，我们开发了所谓的矢量访问者。对于这个特定的问题，我们需要的是一组OrderVisitor，其显示以下界面：

class OrderVisitor {
public:
    virtual ~OrderVisitor(){}

    /** are the elements at indices i and j equal */
    virtual bool equal(int i, int j) const  = 0 ;

    /** is the i element less than the j element */
    virtual bool before( int i, int j) const = 0 ;

    virtual SEXP get() = 0 ;

} ;

dplyr 然后有以下实现OrderVisitor对于我们在此支持的所有类型file https://github.com/hadley/dplyr/blob/master/inst/include/dplyr/OrderVisitorImpl.h我们有一个调度程序功能order_visitor这使得OrderVisitor*来自向量。

有了这个，我们可以将一组向量访问者存储到一个std::vector<OrderVisitor*>; The 订单访客 https://github.com/hadley/dplyr/blob/master/inst/include/dplyr/Order.h#L8有一个构造函数采用DataFrame and a CharacterVector我们想要用于排序的向量名称。

OrderVisitors o(data, names ) ;

然后我们可以使用OrderVisitors.apply method https://github.com/hadley/dplyr/blob/master/inst/include/dplyr/Order.h#L76它本质上是按字典顺序排序的：

IntegerVector index = o.apply() ;

The apply方法是通过简单地初始化一个来实现的IntegerVector with 0..n进而std::sort据参观者说。

inline Rcpp::IntegerVector OrderVisitors::apply() const {
    IntegerVector x = seq(0, nrows -1 ) ;
    std::sort( x.begin(), x.end(), OrderVisitors_Compare(*this) ) ;
    return x ;
}

这里相关的是如何OrderVisitors_Compare类工具operator()(int,int) :

inline bool operator()(int i, int j) const {
    if( i == j ) return false ;
    for( int k=0; k<n; k++)
        if( ! obj.visitors[k]->equal(i,j) )
            return obj.visitors[k]->before(i, j ) ; 
    return i < j ;
}

所以此时index给我们排序数据的整数索引，我们只需要创建一个新的DataFrame from data通过子集化data与这些指数。为此，我们有另一种访客，封装在DataFrameVisitors班级。我们首先创建一个DataFrameVisitors https://github.com/hadley/dplyr/blob/master/inst/include/dplyr/DataFrameVisitors.h :

DataFrameVisitors visitors( data ) ;

这封装了一个std::vector<VectorVisitor*>。这些中的每一个VectorVisitor*知道如何使用整数向量索引对自身进行子集化。这是使用自DataFrameVisitors.subset:

template <typename Container>
DataFrame subset( const Container& index, const CharacterVector& classes ) const {
    List out(nvisitors);
    for( int k=0; k<nvisitors; k++){
       out[k] = get(k)->subset(index) ;    
    }
    structure( out, Rf_length(out[0]) , classes) ;
    return (SEXP)out ;
}

为了总结这一点，这里是一个使用 dplyr 开发的工具的简单函数：

#include <dplyr.h>
// [[Rcpp::depends(dplyr)]]

using namespace Rcpp ;
using namespace dplyr ;

// [[Rcpp::export]]
DataFrame myFunc(DataFrame data, CharacterVector names) {
  OrderVisitors o(data, names ) ;
  IntegerVector index = o.apply() ;

  DataFrameVisitors visitors( data ) ;
  DataFrame res = visitors.subset(index, "data.frame" ) ;
  return res ;  
}