使用多个数据帧和查找表在R中执行功能

时间:2019-02-12 03:20:48

标签: r loops merge lookup-tables

我是r的新手,有一组复杂的数据,所以希望我的解释是正确的。我需要使用多个数据框来执行一系列操作。这是一个例子。我有三个数据框。一个是物种名称和相应代码的列表:

>df.sp
    Species Code
    Picea   PI
    Pinus   CA

另一个是具有不同位置(目录)物种丰富度数据的站点列表。不幸的是,物种的顺序是不同的。

>df.site
Site  dir total  t01 t02 t03 t04
2         Total   PI  CA  AB  T
2     N    9      1   5   na na
2                 AB  ZI PI CA
2     S    5     2   2  1  4
3                 DD  EE AB YT
3     N    6     1   1  5   3
3                 AB YT  EE  DD
3     S     5     4   3  1   1

然后我还有一个与该物种相对应的性状数据框:

>df.trait
Species  leaft  rootl
Picea     0.01    1.2
Pinus     0.02    3.5

我想做的一件事示例是获取每个站点(df.site $ Site)和每个站点位置的所有物种的每个性状的平均值(df.trait $ leaft和df.trait $ rootl)。 (df.site $ Site N,S)。因此结果将是第一行:

Site dir leaft rootl
2    N   0.015  2.35

我希望这是有道理的。对我来说,思考如何做是非常复杂的。我尝试从this postthis(以及许多其他公司)开始工作,但是迷路了。 谢谢您的帮助。非常感谢。

更新:这是使用dput实际df.site(简化)的示例:

> dput(head(df.site))
structure(list(Site = c(2L, 2L, 2L, 2L, 2L, 2L), dir = c("rep17316", 
"N", "", "S", "", "SE"), total = c("Total", "9", "", 
"10", "", "9"), t01 = c("PI", "4", "CA", "1", "SILLAC", 
"3"), t02 = c("CXBLAN", "3", "ZIZAUR", "4", "OENPIL", "2"), 
    t03 = c("ZIZAPT", "1", "ECHPUR", "2", "ASCSYR", "2")), .Names = c("site", "dir", "total", "t01", "t02", "t03"), row.names = 2:7, class = "data.frame")

1 个答案:

答案 0 :(得分:2)

您将必须首先将数据整理成更整洁的形式。我假设您上方的dput数据结构在整个df.site数据框中都是一致的;也就是说,这些行是成对的,其中第一行指定种类代码,第二行具有计数(或其他收集的数据?)。

df作为上面dput()的数据帧开始,我将首先为其他两个数据帧模拟一些数据:

df.sp <- data.frame(Species = paste0("species",1:8),
                    Code = c("ECHPUR", "CXBLAN", "ZIZAPT",
                             "CAMROT", "SILLAC", "OENPIL",
                             "ASCSYR", "ZIZAUR"))
df.sp
#>    Species   Code
#> 1 species1 ECHPUR
#> 2 species2 CXBLAN
#> 3 species3 ZIZAPT
#> 4 species4 CAMROT
#> 5 species5 SILLAC
#> 6 species6 OENPIL
#> 7 species7 ASCSYR
#> 8 species8 ZIZAUR

df.trait <- data.frame(Species = paste0("species",1:8),
                       leaft = round(runif(8, max=.2), 2),
                       rootl = round(runif(8, min=1, max=4),1))

df.trait
#>    Species leaft rootl
#> 1 species1  0.12   2.5
#> 2 species2  0.04   2.6
#> 3 species3  0.12   2.1
#> 4 species4  0.05   1.1
#> 5 species5  0.15   2.5
#> 6 species6  0.15   3.3
#> 7 species7  0.05   3.9
#> 8 species8  0.13   2.1

首先,让我们清理df,方法是移动包含收集数据的第二行,并将这些值移动到一组新列中:

library(dplyr)

df.clean <- df %>% 
  #for each row, copy the direction and total from the following row
  mutate_at(vars(matches("dir|total")), lead) %>% 
  #create new columns for observed data and fill in values from following row
  mutate_at(vars(matches("t\\d+$")), 
            .funs = funs(n = lead(.))) %>% 
  #filter to rows with species code in t01
  filter(t01 %in% df.sp$Code) %>% 
  #drop "total" column (doesn't make sense after reshape)
  select(-total)

df.clean
#>   site dir    t01    t02    t03 t01_n t02_n t03_n
#> 1    2   N ECHPUR CXBLAN ZIZAPT     4     3     1
#> 2    2   S CAMROT ZIZAUR ECHPUR     1     4     2
#> 3    2  SE SILLAC OENPIL ASCSYR     3     2     2

我们现在有两组相应的列,分别具有种类代码和值。为了将数据框重整为长形,我们将使用data.table包中的melt()。有关如何执行此操作的其他示例,请参见对this question的答复。

library(data.table)

df.clean <- df.clean %>% 
  setDT() %>% #convert to data.table to use data.tabel::melt
  melt(measure.vars = patterns("t\\d+$", "_n$"),
       value.name = c("Code", "Count") ) %>% 
  #drop "variable" column, which isn't needed
  select(-variable)

最后,加入您的三个数据框:

#merge tables together
df.summaries <- df.clean %>% 
  left_join(df.sp) %>% 
  left_join(df.trait)

在这一点上,您应该能够通过使用group_bysummarise感兴趣的任何分组来汇总数据。