如何在R中按国会图书馆分类(LCC)号排序

Question

国会图书馆分类号在图书馆中被用来给东西提供索引号，这样它们就可以在书架上排序。它们可以是简单的，也可以是相当复杂的，有几个强制性的部分，但有许多可选的部分。(请参阅050 Library of Congress Call Number上的“在050中输入借阅号”了解它们的分类方式，或参阅lc了解对它们进行排序的Ruby工具。)

我想在R中按LCC编号排序，我看过Sort a list of nontrivial elements in R和Sorting list of list of elements of a custom class in R?，但还没有弄清楚。

这里有四个电话号码，按顺序输入：

call_numbers <- c("QA 7 H3 1992", "QA 76.73 R3 W53 2015", "QA 90 H33 2016", "QA 276.45 R3 A35 2010")

sort按字符对它们进行排序，因此276 <7< 76.73 < 90。

> sort(call_numbers)
[1] "QA 276.45 R3 A35 2010" "QA 7 H3 1992"          "QA 76.73 R3 W53 2015"  "QA 90 H33 2016"       

为了正确地对它们进行排序，我认为我必须定义一个类，然后在它上面定义一些方法，如下所示：

library(stringr)
class(call_numbers) <- "LCC"

## Just pick out the letters and digits for now, leave the rest
## until sorting works, then work down more levels.
lcc_regex <- '([[:alpha:]]+?) ([[:digit:]\\.]+?) (.*)'

"<.LCC" <- function(x, y) {
    x_lcc <- str_match(x, lcc_regex)
    y_lcc <- str_match(y, lcc_regex)
    if(x_lcc[2] < y_lcc[2]) return(x)
    if(as.integer(x_lcc[3]) < as.integer(y_lcc[3])) return(x)
}
"==.LCC" <- function(x, y) {
    x_lcc <- str_match(x, lcc_regex)
    y_lcc <- str_match(y, lcc_regex)
    x_lcc[2] == y_lcc[2] && x_lcc[3] == y_lcc[3]
}

">.LCC" <- function(x, y) {
    x_lcc <- str_match(x, lcc_regex)
    y_lcc <- str_match(y, lcc_regex)
    if(x_lcc[2] > y_lcc[2]) return(x)
    if(as.integer(x_lcc[3]) > as.integer(y_lcc[3])) return(x)
}

这不会改变排序顺序。我没有定义一个子集方法("[.myclass")，因为我不知道它应该是什么。

Answer 1

来自gtools包(标准R的一部分)的mixedsort被证明能做到这一点：

library(gtools)
call_numbers <- c("QA 7 H3 1992", "QA 76.73 R3 W53 2015", "QA 90 H33 2016", "QA 276.45 R3 A35 2010")
mixedsort(call_numbers)
## [1] "QA 7 H3 1992"          "QA 76.73 R3 W53 2015"  "QA 90 H33 2016"        "QA 276.45 R3 A35 2010"

此外，mixedorder可用于按一列对数据帧进行排序。

这是前面在How to sort a character vector where elements contain letters and numbers in R?中回答的一种特殊情况

Answer 2

这可能是一种更简单的方法。这里假设每个数字都有以下格式:两个字母的代码，空格，数字，空格，字母数字，space...Year。

该策略是将LOC号用空格拆分，然后获得前3个字段的3列数据，然后使用order函数对每列进行顺序排序。

call_numbers <- c("QA 7 H3 1992", "QA 76.73 R3 W53 2015", "QA 90 H33 2016", "QA 276.45 R3 A35 2010")

#split on the spaces
 split<-strsplit(call_numbers, " " )
#Retrieve the 2 letter code
 letters<-sapply(split, function(x){x[1]})
#retrieve the 2nd number group and convert to numeric values for sorting
 second<-sapply(split, function(x){as.numeric(x[2])})
#obtain the 3rd grouping
 third<-sapply(split, function(x){x[3]})
#find the year
 year<-sapply(split, function(x){x[length(x)]})

df<-data.frame(call_numbers)
#sort data based on the first and 2nd column
call_numbers[order(letters, second, third)]

对于这个有限的数据集，该技术是有效的。

Answer 3

我觉得我花了太多的时间来找出你想要做的事情的解决方案--只有我的解决方案是针对JavaScript的。但它基本上归结为这些数字的“标准化”概念，以便它们可以按字母顺序排序。

也许这个解决方案可以使用并移植到R。至少，希望这能让你开始。它包括一些正则表达式和一些额外的脚本，以使借阅号进入可以排序的状态。

https://github.com/rayvoelker/js-loc-callnumbers/blob/master/locCallClass.js

祝你好运！