Question

考虑一下：

plot=c("A","A","A","A","B","B","B","B")
mean=c(3,5,40,0,3,5,3,0)
sp=c("ch","ch","ag",NA,"ch","ag","ch",NA)
df=data.frame(plot,mean,sp)

  plot mean   sp
1    A    3   ch
2    A    5   ch
3    A   40   ag
4    A    0 <NA>
5    B    3   ch
6    B    5   ag
7    B    3   ch
8    B    0 <NA>

我想找出一些会返回＆＃34; sp＆＃34;来自每个＆＃34;情节＆＃34;最高累积＆＃34;意味着＆＃34;值。对于上面的例子，我想返回这个：

plot=c("A","B")
sp=c("ag","ch")
df=data.frame(plot,sp)

  plot sp
1    A ag
2    B ch

如果不清楚，对于情节A，sp＆＃34; ag＆＃34;由于它具有最高的累积平均值（40），因此返回。对于情节B，＆＃34; ch＆＃34;返回，因为它具有最高的累积值（6）。价值观对我来说并不重要;我想要每个地块的累积平均值只有最主要的sp。

我已经玩过聚集并怀疑这里有用，但我不确定如何继续。

非常感谢（对于我们这些新来的人来说，这个网站是一个巨大的资源！）

Answer 1

这是一种使用＆＃34; data.table＆＃34;封装

library(data.table)
setDT(df)[, cumsum(mean), by=.(plot, sp)][, .(sp = sp[V1 == max(V1)]), by=plot]
#    plot sp
# 1:    A ag
# 2:    B ch

将df设置为setDT(df)的数据表后，我们正在做两件事

[, cumsum(mean), by=.(plot, sp)]计算mean列的累计总和，按plot和sp分组
[, .(sp = sp[V1 == max(V1)]), by=plot]获取sp的值V1（在步骤1中计算）等于V1的最大值，并重命名该列sp，按plot

Answer 2

不确定@jebyrnes是如何使用summarise和filter完成的（编辑：我发现它并且它也非常简单），但这里是我＆我的方式＃39; d使用dplyr：

library(dplyr)
group_by(df, plot,sp) %>% summarise(sum=sum(mean)) %>% summarise(sp=sp[sum==max(sum)])
#  plot sp
#1    A ag
#2    B ch

Answer 3

您应该可以分两步完成此操作。

步骤1，通过sp处的绘图聚合数据框并计算累积平均值。你可以使用plyr和ddply这样的软件包或dplyr软件包。

步骤2，一旦完成此操作，对于每个绘图输出，sp具有最高累积平均值。有很多方法可以解决这个问题。我再次使用dplyr，但那是因为我现在对它有点痴迷。

实际上......你可以用dplyr中的4行完成这一切，每行操作一行用magritr管道。 5如果你想摆脱累积平均值列。您只需要group_by，summarize和filter语句。如果您需要，我会发布代码，但是对您来说更有用，比如说http://seananderson.ca/2014/09/13/dplyr-intro.html并亲自尝试。

或者....

df %>%
  group_by(plot, sp) %>%
  summarise(cumMean = sum(mean, na.rm=T)) %>%
  filter(cumMean == max(cumMean)) %>% 
  select(plot, sp)

Answer 4

汇总两次：一次计算每个plot和sp的总和，第二次计算每个plot的最大值。然而，第二个聚合只会给你平均值，所以将它重新合并到第一个聚合中。

df2 = aggregate(mean ~ plot + sp, FUN = sum, data = df)
df3a = aggregate(mean ~ plot, data = df2, FUN = max)
merge(df3a, df2)

我还没有测试过如果你有相同数额的话，会发生什么。此外，这会丢弃数据帧中的任何NA。如果你想保留这些，我会确保你带数据框而不是因素，然后在开始之前将NA更改为占位符（"None"甚至"NA"）。上面的代码可以正常使用字符串！

df = data.frame(plot,mean,sp, stringsAsFactors = FALSE)
df[is.na(df$sp), "sp"] = "None"

> df
  plot mean   sp
1    A    3   ch
2    A    5   ch
3    A   40   ag
4    A    0 None
5    B    3   ch
6    B    5   ag
7    B    3   ch
8    B    0 None

R：识别与多个组的最高值相关联的因子

4 个答案: