Блог

Я работаю с точечным набором данных, который включает данные из нескольких ошейников gps на животных с уникальными идентификационными номерами.

То, что я пытаюсь сделать, это смоделировать их диапазоны, используя оценку плотности ядра для каждого животного. То, что у меня есть, создает график каждой модели, но мне нужно сохранить фактическую оценку для каждой из них для дальнейшего анализа. Я собираюсь раскрыть здесь свое невежество, но я пытался сделать это с помощью цикла for .

 collars<-unique(gps$CollarID)
  

где gps — это мой фрейм данных

 for (i in 1:length(collars)){
    collar<-subset(gps, CollarID == collars[i], select=c(Easting, Northing))
    cxy<-cbind(collar$Easting,collar$Northing)
    kde<-kde(cxy)
    plot(kde, xlab = "X", ylab = "Y")
    title(main = collars[i])
}
  

Мне нужно создать объект kde с уникальным именем для каждой итерации. Я попытался включить счетчик в имя объекта, но быстро обнаружил, что это не сработало.

Буду признателен за любую помощь!

-JF

Используя dplyr , вы могли бы обернуть вычисления в функцию, которая вычисляет kde для каждого наблюдения на восток, Север и сохранить результирующие объекты kde в списке для отображения отдельной функцией

Поскольку у нас нет образца набора данных, я использовал mtcars dataset.

 #load libraries, assuming you are using kde function from "ks" library
library("dplyr")
library("lazyeval") #required for interp function
library("ks")



DF = mtcars
indexColName = "cyl"
indexVar = unique(DF[,indexColName])
calcVars = c("hp","wt")


### Replacement values for your dataset ###

# DF = gps
# indexColName = "CollarID"
# indexVar = unique(DF[,indexColName])
# calcVars = c("Easting","Northing")
  

функция вычисления kde:

 fn_kdeCalc <- function(indexVarInput = indexVar,indexColInput = indexColName,calcVarsInput=calcVars) {

cat("Begin kde calc for",indexColInput,"=",indexVarInput,"n")

#filter condition logic translates as CollarID == collars[i]
#the following is required for dynamic inputs , you can read more from trying, vignette("nse")

filter_criteria <- interp(~ filter_column == indexVarInput, filter_column = as.name(indexColInput))

kdeObj <- DF %>% 
        dplyr::filter_(filter_criteria) %>%           # subset dataset to specific filter condition
        dplyr::select(one_of(calcVarsInput)) %>%      # select specific columns for kde calc
        kde()                                         # calculate kde for selected variables

cat("End kde calc for",indexColInput,"=",indexVarInput,"n")

return(kdeObj)

}

#calculate kde for each unique input variable using above function and save in a list

kdeObjList = lapply(indexVar,function(x) { 

fn_kdeCalc(indexVarInput = x,indexColInput = indexColName,calcVarsInput=calcVars) 

})
  

функция построения графика kde:

 fn_kdePlot = function(kdeObject = NULL,titleObj = NULL,labelVars=calcVars) {
  plot(kdeObject, xlab = labelVars[1], ylab = labelVars[2],main = paste0("Kernel Density estimation for ",indexColName,":",titleObj) )
}



### save plots ###
# you can use png() to save in different file for each plot or 
# pdf("KDE_plots1.pdf") to include them in one file

png()

lapply(1:length(kdeObjList), function(x) fn_kdePlot(kdeObject = kdeObjList[[x]],titleObj = indexVar[x]) )

dev.off()