使用dplyr总结不同因素的运行总数

Question

我正在尝试为相机陷印调查生成物种饱和度曲线。我有成千上万的观察结果，并在dplyr中完成大部分操作。

我有三个野外地点，观察记录了几个星期捕获的不同动物物种。在几周内没有动物，在其他几周内可能有不止一种动物。我想为每个网站生成一个单独的数字，以比较在连续几周的研究中遇到的新物种的速度。一旦物种多样性在该地区被捕获，这些对新物种的观察应该最终饱和。一些现场网站可能会比其他网站饱和得更快。

问题是，我还没有遇到一种方法来计算不同物种的数量，以提供一个按时间运行的总数。下面是一个简单的虚拟数据集。

field_site<-c(rep("A",4),rep("B",4),rep("C",4)) 
week<-c(1,2,2,3,2,3,4,4,1,2,3,4) 
animal<-c("dog","dog","cat","rabbit","dog","dog","dog","rabbit","cat","cat","rabbit","dog") 
df<-as.data.frame(cbind(field_site,week,animal),head=TRUE) 

我可以很容易地生成每周分组内的独特物种的数量，例如，

tbl_df(df)%>% 
    group_by(field_site,week) %>% 
    summarise(no_of_sp=n_distinct(animal)) 

但是这对一些物种在接下来的几周再次遇到的事实并不敏感。假设数据是从调查开始的时间增加来排序的，我真正需要的是不同物种的数量，这些物种从第1周开始逐行排列每个地点的独特物种。

在场地A的例子中，在周的研究过程中遇到的物种累积总数为：第1周= 1种，第2周= 2种，第3周= 3种，第4周=静止3种。

对于站点B累计总物种的将是：周1 = 0物种，每周2 = 1种，每周3 = 1种，第4周= 1种，等...

任何意见将是不胜感激。 提前欢呼！

Answer 1

我做两个假设：

1. 站点B，每周4 = 2种，既有 “狗” 和 “兔”;和
2. 所有网站共享同一周，所以如果至少在网站上有第4周，那么所有网站都应该包含它。这只驱动mt（空）变量，随意更新这个变量。

我第一次提出了 “空” data.frame保证网站具有必需的周数填充：

mt <- expand.grid(field_site = unique(ret$field_site), 
        week = unique(ret$week)) 

采用tidyr帮助：

library(tidyr) 

df %>% 
    mutate(fake = TRUE) %>% 
    # ensure all species are "represented" on each row 
    spread(animal, fake) %>% 
    # ensure all weeks are shown, even if no species 
    full_join(mt, by = c("field_site", "week")) %>% 
    # ensure the presence of a species persists at a site 
    arrange(week) %>% 
    group_by(field_site) %>% 
    mutate_if(is.logical, funs(cummax(!is.na(.)))) %>% 
    ungroup() %>% 
    # helps to contain variable number of species columns in one place 
    nest(-field_site, -week, .key = "species") %>% 
    group_by(field_site, week) %>% 
    # could also use purrr::map in place of sapply 
    mutate(n = sapply(species, sum)) %>% 
    ungroup() %>% 
    select(-species) %>% 
    arrange(field_site, week) 
# # A tibble: 12 × 3 
# field_site week  n 
#  <fctr> <fctr> <int> 
# 1   A  1  1 
# 2   A  2  2 
# 3   A  3  3 
# 4   A  4  3 
# 5   B  1  0 
# 6   B  2  1 
# 7   B  3  1 
# 8   B  4  2 
# 9   C  1  1 
# 10   C  2  1 
# 11   C  3  2 
# 12   C  4  3