2 回答

• 0

  首先，我会推荐http://vita.had.co.nz/papers/tidy-data.pdf，Hadley Wickham关于Tidy Data的论文，关于如何组织数据更适合分析的一些想法 . 实质上，我们将每一行视为单一观察 .

  听起来基本上，你的数据是 year ， site ， habitat ， quadrant （？也许 line ，从描述中不确定）的集合， species 观察点是在该地点，栖息地，象限和年观察到的物种 . 为简单起见，如果存在物种，则存在一行 .

  此外，还有 type 的概念，它与每个物种有关 .

  分析和列联表

  撇开如何将数据转换为此表单的问题，让我们假设我们拥有上述表单中的数据 .

  > raw <- expand.grid(species=1:93, quadrant=1:20, habitat=1:4, site=1:3, year=1:3)
  > head(raw)
    species quadrant habitat site year
  1       1        1       1    1    1
  2       2        1       1    1    1
  3       3        1       1    1    1
  4       4        1       1    1    1
  5       5        1       1    1    1
  6       6        1       1    1    1
  

  让我们拿一个小样本和一个大样本

  > set.seed(100); d.small <- raw[sample(nrow(raw),20), ]
  > set.seed(100); d.large <- raw[sample(nrow(raw),1000), ]
  

  我们可以使用 ftable 函数将其转换为我们想要的状态，12x4列联表，如

  > ftable(habitat ~ year + site, data=d.small)
            habitat 1 2 3 4
  year site
  1    1            0 0 1 0
       2            0 0 1 1
       3            0 1 1 1
  2    1            2 1 1 0
       2            1 1 0 2
       3            0 0 1 0
  3    1            2 0 0 1
       2            0 1 0 1
       3            0 0 0 0
  

  如果它出现在场地/栖息地混合物的两个不同象限中，这将计算相同物种两次 . 我们可以丢弃栖息地并__16520_ -ify来统计所有这些栖息地

  > ftable(habitat ~ year + site , data=unique(d.small[c('species', 'habitat','year','site')]))
  

  转换（整理源数据）

  为了转换数据，因为它在这样的形式中很容易在vanilla R.使用 tidyr 包它变得更容易（ reshape 也做非常相似的事情）

  > onerow <- data.frame(year=1, site=1, habitat=2, quadrant=3, sp1=0, sp2=1,sp3=0,sp4=0,sp5=1)
  > onerow
    year site habitat quadrant sp1 sp2 sp3 sp4 sp5
  1    1    1       2        3   0   1   0   0   1
  

  在这里，我假设您的数据看起来像是合理的

  > subset(gather(onerow, species, present, -(year:quadrant)), present==1)
    year site habitat quadrant species present
  2    1    1       2        3     sp2       1
  5    1    1       2        3     sp5       1
  > subset(gather(onerow, species, present, -(year:quadrant)), present==1, select=-present)
    year site habitat quadrant species
  2    1    1       2        3     sp2
  5    1    1       2        3     sp5
  

  现在您可以继续进行上述分析 .

  合并物种类型数据

  仔细观察你的描述，我想你也想要合并一个物种类型信息的平行向量 .

  > set.seed(100); sp.type <- data.frame(species=1:93, type=factor(sample(1:4, 93, replace=T)))
  > merge(d.small, sp.type)
     species quadrant habitat site year type
  1        6       16       4    2    3    2
  2       27        9       2    2    2    4
  3       27        8       4    2    1    4
  4       32       18       1    2    2    4
  5       33       18       1    1    2    2
  6       45       14       4    2    2    3
  7       49        6       2    3    1    1
  8       54        3       3    2    1    2
  9       55        2       1    1    3    3
  10      56        2       4    3    1    2
  11      56        1       3    1    1    2
  12      57        7       2    1    2    1
  13      62       18       4    2    2    3
  14      70       19       1    1    2    3
  15      77        2       3    3    1    4
  16      80        7       3    1    2    1
  17      81       17       1    1    3    2
  18      82        5       2    2    3    3
  19      86        9       4    1    3    3
  20      87       10       3    3    2    3
  

  现在，您可以使用上面的 subset ， unique 和 ftable 方法获取所需的数据 .

  回复于 2024-04-20T08:16:26+08:00
• 1

  假设你有一个数据框（其中包括）名为“sites”，“habitats”，“years”的列：

  dfrm <- data.frame( sites = sample( LETTERS[1:3], 20, replace=TRUE),
              habitats= sample( factor(1:4), 20, replace=TRUE),
              years = sample( factor(paste("Y",1:4, sep="_")), 20, replace=TRUE) )
  

  然后，这将为您提供一个额外的因子模式列，用于对每行的各个级别进行编码 .

  dfrm$three.way.inter <- with(dfrm, interaction(sites, habitats, years))
  

  如果您想要非填充级别，则不执行任何其他操作 . 如果您想要没有实例的可能级别，请使用drop = TRUE . 然后，您可以在三个分类变量的各个级别内分析这些 .

  回复于 2024-04-20T08:16:26+08:00