Question

我有一个树环宽度为66棵树的矩阵。行代表测量的年份，列代表不同的树。

现在，我想逐棵计算一年到另一棵树的生长差异。我设法使用dplyr中的“滞后”函数分别为每一列做到了这一点。对于66列，要写很多代码，因此我正在寻找一种方法，一次针对所有列，但逐列进行。

我的“ treegrowth” data.frame看起来像这样：

year tree1 tree2 tree3 ...
1900 0.72 0.34 1.34
1901 0.56 0.88 0.98
1902 1.23 0.56 1.67
...

对于每棵树，我想将一年的值除以前一年的值，然后将旧值与结果相子集。

我可以像这样对每列进行此操作：

  treegrowth$tree1 <- treegrowth$tree1 / lag(treegrowth$tree1)

但是我如何一步一步地对所有树木（列）进行管理？

如果我只是忽略了'$tree1'，那么将会发生一些奇怪的事情，但并不是我想要的。

> dput(head(treegrowth))
structure(list(WA12M = c(NA_real_, NA_real_, NA_real_, NA_real_, 
NA_real_, NA_real_), WA81M = c(NA_real_, NA_real_, NA_real_, 
NA_real_, NA_real_, NA_real_), WA101M = c(NA_real_, NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_), HA263M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), HA358M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), HA386M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), HA387M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), HA388M = c(0.73, 
0.73, 0.84, 0.43, 0.67, 0.72), HA390M = c(NA_real_, NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_), HA420M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), MI49M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), MI51M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), MI62M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), MI309M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), NO4M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), NO8M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), NO23M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), NO42M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), NO47M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), NO50M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), NO73M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA3M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA18M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA22M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA25M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA26M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA27M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA28M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA38M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA40M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA48M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA64M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA80M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA84M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA88M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA90M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA93M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA95M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA103M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA104M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA111M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA141M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA142M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA154M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA163M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA164M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA177M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA194M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA195M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA196M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA197M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA198M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA200M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA202M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA205M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA206M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA207M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA225M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA252M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA291M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA294M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA297M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA299M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA376M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA379M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), WA395M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), EI33M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), EI38M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), HA161M = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_)), row.names`c("1803", 
"1804", "1805", "1806", "1807", "1808"), class = c("rwl", "data.frame"
))

Answer 1

使用基数R，我们可以使用lapply

treegrowth[paste0(names(df[-1]), "_growth")] <- lapply(treegrowth[-1], 
                  function(x) c(NA, x[-1]/x[-length(x)]))

#  year tree1 tree2 tree3 tree1_growth tree2_growth tree3_growth
#1 1900  0.72  0.34  1.34           NA           NA           NA
#2 1901  0.56  0.88  0.98    0.7777778    2.5882353    0.7313433
#3 1902  1.23  0.56  1.67    2.1964286    0.6363636    1.7040816

或者，如果您想使用dplyr和lag，我们可以使用mutate_at

library(dplyr)
treegrowth %>% mutate_at(-1, list(growth = ~./lag(.)))

数据

treegrowth <- structure(list(year = 1900:1902, tree1 = c(0.72, 0.56, 1.23), 
tree2 = c(0.34, 0.88, 0.56), tree3 = c(1.34, 0.98, 1.67)), 
class = "data.frame", row.names = c(NA, -3L))

Answer 2

zoo程序包中有diff.zoo，它与arithmetic=FALSE自变量完全一样。最后，使用“注释”中可重复提供的treegrowth，我们使用以下代码将其读入Zoo对象，然后应用diff。

（请注意，fortify.zoo会将动物园对象转换为数据框。）

library(zoo)

z <- read.zoo(as.data.frame(treegrowth))
zd <- diff(z, arithmetic = FALSE)

给予这个动物园对象：

zd
##          tree1     tree2     tree3
## 1901 0.7777778 2.5882353 0.7313433
## 1902 2.1964286 0.6363636 1.7040816

library(ggplot2)

autoplot(zd, facet = NULL) +
  geom_point() +
  scale_x_continuous(breaks = time(zd)) +
  xlab("year")

注意

Lines <- "year tree1 tree2 tree3
1900 0.72 0.34 1.34
1901 0.56 0.88 0.98
1902 1.23 0.56 1.67"
treegrowth <- as.matrix(read.table(text = Lines, header = TRUE))

Answer 3

您可以尝试使用melt函数将数据框的格式更改为长格式（来自reshape2包）。一旦采用长格式，您就可以轻松地通过循环执行计算。

如果树名成为变量，则可以写类似

for (tree in levels(treegrowth_m$variable)){
    treegrowth_m$tree <- treegrowth_m$tree / lag(treegrowth_m$tree)
}

其中treegrowth_m是融化的df

Answer 4

如果将数据重塑为更长的格式，这将变得更加容易：

df %>% 
  gather("tree", "width", -year) %>% 
  group_by(tree) %>% 
  mutate(growth = width / lag(width))

Answer 5

您可以尝试以下代码：

treeGrowth <- data.frame("year"=c(1900, 1901, 1902), 
                         "tree1"=c(0.72, 0.56, 1.23), 
                         "tree2"=c(0.34, 0.88, 0.56), 
                         "tree3"=c(1.34, 0.98, 1.67))

for(column in colnames(treeGrowth)[-1]){
    treeGrowth[, paste0(column, "_growth")] <- c(NA, treeGrowth[-1, column] /     
                                                     treeGrowth[-nrow(data), 
                                                                column])
}

print(treeGrowth)

#  year tree1 tree2 tree3 tree1_growth tree2_growth tree3_growth
#1 1900  0.72  0.34  1.34    1.0000000    1.0000000    1.0000000
#2 1901  0.56  0.88  0.98    0.7777778    2.5882353    0.7313433
#3 1902  1.23  0.56  1.67    2.1964286    0.6363636    1.7040816

如何对矩阵的所有列执行计算？

5 个答案:

注意