dplyr

Question

Hello Stackoverflow用户，

我对R中的聚合函数的结果有疑问。我的目的是从数据集中选择某些鸟类并计算密度在被调查地区观察到的个人为此，我获取了主数据文件的一个子集，然后在区域上聚合，计算出平均值和个体数量（由向量长度表示）。然后我想用计算出的平均面积和个体数量计算密度。那没用。我使用的代码如下：

> head(data)

  positionmonth positionyear quadrant           Species  Code sum_areainkm2

1             5         2014        1 Bar-tailed Godwit  5340      155.6562

2             5         2014        1 Bar-tailed Godwit  5340      155.6562

3             5         2014        1 Bar-tailed Godwit  5340      155.6562

4             5         2014        1 Bar-tailed Godwit  5340      155.6562

5             5         2014        1            Gannet   710      155.6562

6             5         2014        1 Bar-tailed Godwit  5340      155.6562


sub.gannet<-subset(data, species == "Gannet")

sub.gannet<-data.frame(sub.gannet)


x<-sub.gannet

aggr.gannet<-aggregate(sub.gannet$sum_areainkm2, by=list(sub.gannet$positionyear, sub.gannet$positionmonth, sub.gannet$quadrant, sub.gannet$Species, sub.gannet$Code), FUN=function(x) c(observed_area=mean(x), NoInd=length(x)))

names(aggr.gannet)<-c("positionyear", "positionmonth", "quadrant", "species", "code", "x")

aggr.gannet<-data.frame(aggr.gannet)


> aggr.gannet

  positionyear positionmonth quadrant species code x.observed_area x.NoInd

1         2014             5        4  Gannet  710         79.8257 10.0000


density <- c(aggr.gannet$x.NoInd/aggr.gannet$x.observed_area)

aggr.gannet <- cbind(aggr.gannet, density)

Error in data.frame(..., check.names = FALSE) : 

  Arguments imply differing number of rows: 1, 0

> density

numeric(0)

> aggr.gannet$x.observed_area

NULL

> aggr.gannet$x.NoInd

NULL

R似乎没有将函数（observed_area和NoInd）的结果视为数值本身。当我无法给每个人起名字时，这已经很明显了，但不得不称他们为“x”。

有人可以告诉我，为什么会这样。在这些情况下如何计算密度？或者是否有另一种方法可以在同一个变量上聚合多个函数，从而产生可用的输出？

非常感谢任何想法，谢谢！

Answer 1

这是一个具有多个聚合的聚合的怪癖，结果聚合存储在与聚合变量相关的列中的列表中。

摆脱这种情况的最简单方法是在as.list之前通过as.dataframe，这会使数据结构变得扁平化。

aggr.gannet <- as.data.frame(as.list(aggr.gannet))

它仍将使用x作为名称。我发现解决此问题的方法是使用aggregate的公式界面，因此您的聚合看起来更像

aggr.gannet<-aggregate(
  sum_areainkm2 ~ positionyear + positionmonth +
    quadrant + Species + Code,
  data=sub.gannet,
  FUN=function(x) c(observed_area=mean(x), NoInd=length(x)))

走过去（这里我没有采用子集来说明物种的聚合）

df <- structure(list(positionmonth = c(5L, 5L, 5L, 5L, 5L, 5L), positionyear = c(2014L, 2014L, 2014L, 2014L, 2014L, 2014L), quadrant = c(1L, 1L, 1L, 1L, 1L, 1L), Species = structure(c(1L, 1L, 1L, 1L, 2L, 1L), .Label = c("Bar-tailed Godwit", "Gannet"), class = "factor"), Code = c(5340L, 5340L, 5340L, 5340L, 710L, 5340L), sum_areainkm2 = c(155.6562, 155.6562, 155.6562, 155.6562, 155.6562, 155.6562)), .Names = c("positionmonth", "positionyear", "quadrant", "Species", "Code", "sum_areainkm2"), class = "data.frame", row.names = c(NA, -6L))

df.agg <- as.data.frame(as.list(aggregate(
      sum_areainkm2 ~ positionyear + positionmonth +
        quadrant + Species + Code,
      data=df,
      FUN=function(x) c(observed_area=mean(x), NoInd=length(x)))))

这会产生你想要的结果：

> df.agg
  positionyear positionmonth quadrant           Species Code
1         2014             5        1            Gannet  710
2         2014             5        1 Bar-tailed Godwit 5340
  sum_areainkm2.observed_area sum_areainkm2.NoInd
1                    155.6562                   1
2                    155.6562                   5
> names(df.agg)
[1] "positionyear"                "positionmonth"
[3] "quadrant"                    "Species"
[5] "Code"                        "sum_areainkm2.observed_area"
[7] "sum_areainkm2.NoInd"

这里的强制性说明，dplyr和data.table是强大的库，可以非常简单有效地进行这种聚合。

dplyr

Dplyr有一些奇怪的语法（%>%运算符），但最终具有很强的可读性，并允许链接更复杂的操作

> require(dplyr)
> df %>%
  group_by(positionyear, positionmonth, quadrant, Species, Code) %>%
  summarise(observed_area=mean(sum_areainkm2), NoInd = n())

data.table

data.table具有更紧凑的语法，对于大型数据集可能更快。

dt[,
  .(observed_area=mean(sum_areainkm2), NoInd=.N),
  by=.(positionyear, positionmonth, quadrant, Species, Code)]

R：来自具有多个函数的聚合的结果在进一步的计算中不可用。为什么？

1 个答案:

dplyr

data.table