为什么命令gsort排序不正确？

如何解决为什么命令gsort排序不正确？

我试图将一个命令从Stata转换为R，但是将两个命令之间的结果进行比较后，我意识到有些行的顺序并不完美。有谁知道如何使两个命令完全相等？

Stata code with reproducible example:
clear
input str32 dest12010 byte uf_amc exist_d2010 str32 final_name 
dest12010 uf_amc exist_d2010 final_name
"LAGO DA PEDRA" 3 1 "LAGO DA PEDRA"
"LAGOA GRANDE DO MaraNHAO" 3 1 "LAGOA GRANDE DO MaraNHAO" 
"LAGO DO JUNCO" 3 1 "LAGO DO JUNCO" 
"LAGO VERDE" 3 1 "LAGO VERDE" 
"LIMA CAMPOS" 3 1 "LIMA CAMPOS" 
"LOReto" 3 1 "LOReto"
end

gsort uf_amc dest12010 -exist_d2010 final_name

R code with reproducible example:
example <- structure(list(dest12010 = c("LAGO DA PEDRA","LAGOA GRANDE DO MaraNHAO","LAGO DO JUNCO","LAGO VERDE","LIMA CAMPOS","LOReto"),uf_amc = c(3L,3L,3L),exist_d2010 = c(1L,1L,1L),final_name = c("LAGO DA PEDRA","LOReto")),row.names = c(NA,-6L),class = c("data.table","data.frame"))

dplyr::arrange(example,uf_amc,dest12010,(exist_d2010),final_name)

输出

结尾处带有“ _s”的列是使用gsort的Stata的结果，而没有此详细信息，则是R arrange的结果。

解决方法

我将R留给那些经常使用它的人。

这里的抱怨是，Stata至少表现得令人困惑，而且至多是错误的。鉴于该示例可重复，该投诉无法得到支持。

首先，让我们清除示例中的一些干扰。这两个字符串变量是相同的，至少当我从此处复制并粘贴它们并比较它们的值时。这两个数字变量在给定的值上是恒定的，因此它们的排序方式不会影响示例。此外，gsort是sort的包装器，除非具有减号标志反转默认顺序（未为有问题的变量指定），否则其行为不会有所不同。最后，还有一条多余的行，该行是在下面的内容中进行编辑的。

先编码，然后编码结果：

clear
input str32 dest12010 byte uf_amc exist_d2010 str32 final_name 
"LAGO DA PEDRA" 3 1 "LAGO DA PEDRA"
"LAGOA GRANDE DO MARANHAO" 3 1 "LAGOA GRANDE DO MARANHAO" 
"LAGO DO JUNCO" 3 1 "LAGO DO JUNCO" 
"LAGO VERDE" 3 1 "LAGO VERDE" 
"LIMA CAMPOS" 3 1 "LIMA CAMPOS" 
"LORETO" 3 1 "LORETO"
end

assert dest12010 == final_name 
keep dest12010 
sort dest12010 

list,sep(0)

gen dest12010_2 = subinstr(dest12010," ","",.) 

sort dest12010_2 

list,sep(0)

结果

. assert dest12010 == final_name 

. keep dest12010 

. sort dest12010 

. list,sep(0)

     +--------------------------+
     |                dest12010 |
     |--------------------------|
  1. |            LAGO DA PEDRA |
  2. |            LAGO DO JUNCO |
  3. |               LAGO VERDE |
  4. | LAGOA GRANDE DO MARANHAO |
  5. |              LIMA CAMPOS |
  6. |                   LORETO |
     +--------------------------+

. gen dest12010_2 = subinstr(dest12010,.) 

. sort dest12010_2 

. list,sep(0)

     +--------------------------------------------------+
     |                dest12010             dest12010_2 |
     |--------------------------------------------------|
  1. | LAGOA GRANDE DO MARANHAO   LAGOAGRANDEDOMARANHAO |
  2. |            LAGO DA PEDRA             LAGODAPEDRA |
  3. |            LAGO DO JUNCO             LAGODOJUNCO |
  4. |               LAGO VERDE               LAGOVERDE |
  5. |              LIMA CAMPOS              LIMACAMPOS |
  6. |                   LORETO                  LORETO |
     +--------------------------------------------------+

要点：

1. assert语句检查两个字符串变量是否相同。如果失败，脚本将停止。如果断言正确，则继续进行。

2. 变量sort产生显示的结果。唯一需要说明的细节是空格也是字符，不能忽略。 sort完全是机械的，并没有意义。特别是，空格" "在"A"之前排序。

3. 如果需要忽略空格的sort，那么最简单的解决方案是在sort之前删除空格。

如果R的工作原理不同，就这样吧，但这似乎引发了对所需内容的疑问。