使用dplyr总结不同因素的运行总数
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。使用dplyr总结不同因素的运行总数
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!
我做两个假设:
- 站点B,每周4 = 2种,既有 “狗” 和 “兔”;和
- 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
感谢@ r2evans为您提供非常明确的答案。是的,你的两个假设都是正确的,一切都合情合理。然而,在将这种方法应用于我的完整数据集时,我遇到了一个问题。在实际研究中动物的观察通常在每个观察期(在本例中为几周)内变成多于一个,但是我的数据也可以组织成几个月和几天)。这在expand.grid方法的full_join阶段会产生问题。它返回“错误:行重复标识符(1,2,3,4,5),...”任何想法如何解决这个问题? –
您是否可以更新您的样本数据以反映这种情况? – r2evans
当然@ r2evans,这里是第二周在A站点的额外的“狗”观察的更新,以及B站第三周的额外的“兔子”观察。field_site
是不是站点B第4周= 2种,“狗”和“兔子”? – r2evans