Question

我正在尝试运行一个需要在数据集子集中建立索引的函数，而我在如何设置该函数方面遇到了麻烦。具体来说，我正在尝试计算给定年份中沿着特定断面的距离，因此对于每个子集，我需要1）确定该断面中的端点，以及2）完全计算沿该端点的直线上的欧几里得距离子集中的其他位置。

如果我将整个数据集视为一个样条线，则该功能似乎起作用：

df <- data.frame(
  Transect = c(rep(1,4),rep(2,4)),
  YYYY = c(2015,2015,2016,2016,2015,2015,2016,2016),
  X = seq(2,16, by = 2),
  Y = c(1,2,3,5,6,13,22,31))

df$dist <- NA

f <- function(X, Y) {
  xs_start <- match(min(X), X)  #assumes no transects are perfectly N-S
  for (n in 1:length(X)){
    dist[n] <- (((Y[n]-Y[xs_start])^2)+((X[n]-X[xs_start])^2))^.5
  }
  return(dist)
}
attach(df)
f(X, Y)
detach(df)

但是，在一部分数据上运行它给我带来了麻烦。我可以同时使用data.table和dplyr成功地对数据帧进行子集设置，但是在尝试在子集上运行函数时遇到了不同的问题。我发现的大多数文档都集中于汇总数据子集的方法（有时将汇总号重新加入整个组）。

使用data.table，我可以得到第一个样条进行正确的计算，但是其余样条会产生NA，然后将整个结果矢量加入每个组，而不仅仅是该子集的结果。

library(data.table)
dt <- data.table(df)
dt[,f(X, Y), by = .(Transect, YYYY)]

也可以使用dplyr，但是同样，我不确定如何使它对不聚合数据的函数起作用。

library(dplyr)
df  %>%
  group_by(Transect, YYYY) %>%
  mutate(dist = f(X, Y))

以上代码生成Error: Column 'dist' must be length 2 (the group size) or one, not 8。

有什么想法吗？预先感谢！

Answer 1

要添加一列dist，以计算从端点位置（最小X坐标）到每个横断年组中所有其他位置的欧几里得距离，您可以执行以下操作：

## data
df <- data.frame(
    Transect = c(rep(1,4),rep(2,4)),
    YYYY = c(2015,2015,2016,2016,2015,2015,2016,2016),
    X = seq(2,16, by = 2),
    Y = c(1,2,3,5,6,13,22,31))

## with dplyr
library(dplyr)

df %>%
    group_by(Transect, YYYY) %>%
    mutate(dist = sqrt((Y - Y[which.min(X)])^2 + (X - min(X))^2)) %>%
    ungroup()
#> # A tibble: 8 x 5
#>   Transect  YYYY     X     Y  dist
#>      <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1        1  2015     2     1  0   
#> 2        1  2015     4     2  2.24
#> 3        1  2016     6     3  0   
#> 4        1  2016     8     5  2.83
#> 5        2  2015    10     6  0   
#> 6        2  2015    12    13  7.28
#> 7        2  2016    14    22  0   
#> 8        2  2016    16    31  9.22

## with data.table
library(data.table)

setDT(df)[, dist := sqrt((Y - Y[which.min(X)])^2 + (X - min(X))^2), by = c("Transect", "YYYY")][]
#>    Transect YYYY  X  Y     dist
#> 1:        1 2015  2  1 0.000000
#> 2:        1 2015  4  2 2.236068
#> 3:        1 2016  6  3 0.000000
#> 4:        1 2016  8  5 2.828427
#> 5:        2 2015 10  6 0.000000
#> 6:        2 2015 12 13 7.280110
#> 7:        2 2016 14 22 0.000000
#> 8:        2 2016 16 31 9.219544

将迭代/非聚合函数应用于R中的多个数据子集

1 个答案: