R语言sort()排序结果，在不用操作系统存在差别。

wangbinzjcc

同样的R代码，在不用电脑操作系统运行时出现错误。经过排查发现，sort()函数的结果有差别。

> .Platform$OS.type
[1] "windows"
>   sort(c("a.00","a_00", "a.01"))
[1] "a.00" "a.01" "a_00"

>     .Platform$OS.type
[1] "unix"
>     sort(c("a.00","a_00", "a.01"))
[1] "a_00" "a.00" "a.01"

yihui

wangbinzjcc 这不是操作系统的区别，而是系统区域设置（locale）的区别。字符串的排序不像数字排序有普适的规则。对于数字，地球人都会同意 2 比 1 大；但对字符，也许多数人会同意 B 比 A 大，但 b 和 A 谁大呢，这就没有一定之规了。还有比如你的例子里下划线 _ 和点 . 谁大谁小，这都是猫与狗的比较，没有正确的答案。?sort 的帮助文档里已经明确说明了字符排序的问题：

Except for method "radix", the sort order for character vectors will depend on the collating sequence of the locale in use: see Comparison.

yuanfan

我刚才在我自己的电脑（windows）和服务器上试了试，结果跟楼主一样的。很好奇有没有小伙伴试试用苹果本跑一下，结果又会有何不同。

Cloud2016

yuanfan MacOS 上和 Unix 一样的

wangbinzjcc

其他函数，不知道是否有类似现象。给人意外。

wangbinzjcc

> .Platform$OS.type
[1] "windows"
> sort(c("a.00","a_00", "a.01"), method = "radix")
[1] "a.00" "a.01" "a_00"

> .Platform$OS.type
[1] "unix"
> sort(c("a.00","a_00", "a.01"), method = "radix")
[1] "a.00" "a.01" "a_00"

meeeeeeeeo

相关的 locale 应该是 Sys.getlocale('LC_COLLATE')，我的环境下是 "en_US.UTF-8"：

Sys.getlocale('LC_COLLATE')
#> [1] "en_US.UTF-8"
sort(c("a.00","a_00", "a.01"))
#> [1] "a_00" "a.00" "a.01"

切换之后排序会变

Sys.setlocale('LC_COLLATE', 'C')
#> [1] "C"
Sys.getlocale('LC_COLLATE')
#> [1] "C"
sort(c("a.00","a_00", "a.01"))
#> [1] "a.00" "a.01" "a_00"

wangbinzjcc

meeeeeeeeo 原来如此

yihui

所以如果要保证字符串排序的结果稳定性，通常只有两条路：一、用不受系统区域设置影响的 radix 方法排序；二、指定区域设置，例如写个包装函数：

sort_C = function(...) {
  clt = Sys.getlocale('LC_COLLATE')
  on.exit(Sys.setlocale('LC_COLLATE', clt), add = TRUE)
  Sys.setlocale('LC_COLLATE', 'C')
  sort(...)
}

也就是临时性将 LC_COLLATE 定死，然后排序，最后恢复 LC_COLLATE。

wangbinzjcc

order() 函数也存在同样的问题。

> Sys.setlocale('LC_COLLATE', "C.UTF-8")
[1] "C.UTF-8"
> x <- data.frame(a = c("a.00","a_00", "a.01"), b = 1:3)
> x[order(x$a), ]
     a b
2 a_00 2
1 a.00 1
3 a.01 3

> Sys.setlocale('LC_COLLATE', "C")
[1] "C"
> x <- data.frame(a = c("a.00","a_00", "a.01"), b = 1:3)
> x[order(x$a), ]
     a b
1 a.00 1
3 a.01 3
2 a_00 2

为保证字符串排序的结果稳定性，参考yihui的思路，指定区域设置：

 order <- function(...) {
   clt = Sys.getlocale('LC_COLLATE')
   on.exit(Sys.setlocale('LC_COLLATE', clt), add = TRUE)
   Sys.setlocale('LC_COLLATE', 'C')
   base::order(...)
 }

> Sys.setlocale('LC_COLLATE', "C.UTF-8")
[1] "C.UTF-8"
> x <- data.frame(a = c("a.00","a_00", "a.01"), b = 1:3)
> x[order(x$a), ]
     a b
1 a.00 1
3 a.01 3
2 a_00 2

> Sys.setlocale('LC_COLLATE', "C")
[1] "C"
> x <- data.frame(a = c("a.00","a_00", "a.01"), b = 1:3)
> x[order(x$a), ]
     a b
1 a.00 1
3 a.01 3
2 a_00 2

yihui

wangbinzjcc order() 函数是一切排序函数的核心，sort() 只是调用 order() 而已。