#r #dplyr #tidyr
#r #dplyr #tidyr
Вопрос:
Я хотел бы суммировать таблицу, используя dplyr. Вот как я хотел бы продолжить:
- У меня есть data.frame, подобный этому:
year region week site species gps_clutch
2017 sud 18 6 au 337
2017 sud 20 10 au 352
2017 sud 22 10 au 352
2017 sud 24 10 au 352
2017 sud 18 6 aio 337
2017 sud 20 6 aio 352
2017 sud 22 6 au 352
2018 sud 20 6 au 337
2018 sud 20 10 au 352
2018 sud 22 10 au 352
2018 sud 22 10 aio 352
2018 sud 22 6 au 352
2017 nor 19 5 au 337
2017 nor 21 2 au 352
2017 nor 23 5 au 352
2017 nor 25 2 au 352
2017 nor 19 5 aio 337
2017 nor 25 5 aio 352
2017 nor 19 5 au 337
2018 nor 21 2 aio 352
2018 nor 23 5 aio 352
2018 nor 25 2 au 352
2018 nor 23 5 aio 337
2018 nor 23 5 au 352
- Я хотел бы подсчитать количество «gps_clutch» для каждого года, региона, сайта, недели и расширить это число на все возможные недели, записанные для каждого региона. Я объясняю: в регионе «юг» я отбирал данные за 18, 20, 22, 24 недели, а в регионе «север» — за 19, 21, 23, 25 недели. Я хотел бы преобразовать неявные отсутствующие значения в «0», но только для недель (вложенных в регионы), которые были отобраны. Я не хочу расширять таким образом, чтобы получить строку за 19-ю неделю в регионе «sud», потому что этот регион не был выбран на этой конкретной неделе.
этот код хорошо работает для расширения сетки, как мне бы хотелось:
dat %>%
group_by(region) %>%
expand(year,site, species,week)
следующий код также работает для получения значений count, но не расширяет сетку так, как я хочу (я получаю только список недель, за которые я что-то наблюдал за каждым годом, а не общее количество недель, отобранных за оба года). Это означает, что если в «sud» «2017» у меня есть записи только за 20 и 22 недели, сетка не будет расширена до 18 и 24 недель :
field_subsetnord %>%
group_by(year,region,site,species,week) %>%
summarise(count_clutch=length(gps_clutch)) %>%
complete(week,nesting(year,sites,species), fill = list(count_clutch = 0))
это таблица, которую я хотел бы получить в конце:
year region week site species count
2017 sud 18 6 au 1
2017 sud 20 6 au 0
2017 sud 22 6 au 1
2017 sud 24 6 au 0
2017 sud 18 6 aio 1
2017 sud 20 6 aio 1
2017 sud 22 6 aio 0
2017 sud 24 6 aio 0
2017 sud 18 10 au 0
2017 sud 20 10 au 1
2017 sud 22 10 au 1
2017 sud 24 10 au 1
2017 sud 18 10 aio 0
2017 sud 20 10 aio 0
2017 sud 22 10 aio 0
2017 sud 24 10 aio 0
2018 sud 18 6 au 0
2018 sud 20 6 au 1
2018 sud 22 6 au 1
2018 sud 24 6 au 0
2018 sud 18 6 aio 0
2018 sud 20 6 aio 0
2018 sud 22 6 aio 0
2018 sud 24 6 aio 0
2018 sud 18 10 au 0
2018 sud 20 10 au 1
2018 sud 22 10 au 1
2018 sud 24 10 au 0
2018 sud 18 10 aio 0
2018 sud 20 10 aio 0
2018 sud 22 10 aio 1
2018 sud 24 10 aio 0
and so on for 2018...
любые предложения по смешиванию этих двух кодов были бы оценены 🙂
Комментарии:
1. Вы можете указать
week = 18:24, чтобы указать значения, которые следует расширить. Из приведенного вами объяснения я не совсем уверен, это то, что вы имеете в виду. Пожалуйста, сделайте примеры более воспроизводимыми, предоставив данные в воспроизводимом формате и включив все выборки (например, 18 для sud отсутствует в показываемых вами данных)2. Я просто соответствующим образом отредактировал свой вопрос
Ответ №1:
Вы так близки со своими двумя подходами. По сути, их просто нужно объединить, чтобы получить то, что вам нужно. 🙂
Сначала сгруппируйте по регионам, а затем complete() сначала набор данных, затем перегруппируйте по всем переменным и summarise() . Поскольку gps_clutch теперь в нем будут отсутствовать значения, вы можете суммировать не пропущенные значения (через !is.na ) в summarise() инструкции для подсчета сцеплений.
dat %>%
group_by(region) %>%
complete(year, site, species, week) %>%
group_by(year, region, site, species, week) %>%
summarise(count_clutch = sum( !is.na(gps_clutch) ) )
# A tibble: 64 x 6
# Groups: year, region, site, species [16]
year region site species week count_clutch
<int> <fct> <int> <fct> <int> <int>
1 2017 nor 2 aio 19 0
2 2017 nor 2 aio 21 0
3 2017 nor 2 aio 23 0
4 2017 nor 2 aio 25 0
5 2017 nor 2 au 19 0
6 2017 nor 2 au 21 1
7 2017 nor 2 au 23 0
8 2017 nor 2 au 25 1
9 2017 nor 5 aio 19 1
10 2017 nor 5 aio 21 0
# ... with 54 more rows
Комментарии:
1. действительно! спасибо за вашу помощь. Есть кое-что, чего я действительно не могу понять, хотя это то, что мой скрипт работает, только если мои переменные передаются «как.character». Если они являются факторами, это больше не работает. Так ли это должно быть?
2. @user3016665 Факторы, безусловно, могут вызвать трудности в некоторых случаях. Например, иногда они преобразуются для отображения их индекса (целого числа) вместо символьного значения. В примере, который я показываю выше, используются коэффициенты для «региона» и «вида», и, похоже, это сработало нормально (похоже, я использую версии разработчиков как dplyr, так и tidyr).
3. последний вопрос, если я хотел бы получить как count_clutch (как в примере) для year> region> site> sites> week, так и другой столбец, который учитывал бы группу, но останавливался на уровне сайта (это соответствовало бы сумме за переменную week). Как бы мне включить это в тот же код. Должен ли я добавить еще один «group_by», чтобы сделать это другое количество?
4. @user3016665 Я не совсем уверен, что понимаю, но
summarise()всегда удаляет «последнюю» группирующую переменную. Итак, в конце канала в моем ответе все сгруппировано по всему, кроме недели (поскольку данные сейчас находятся на уровне недели). Если бы вы хотели затем добавить переменную для представления общего количества недель с клатчами, вы могли бы сделать что-то вроде%>% mutate(nweek = sum( count_clutch != 0) ). Для суммирования по неделям вместо добавления столбца сводки используйтеsummarise().