根据 B 列中的日期和 R 中 C 列中的指定非匹配值在 A 列中添加元素

Question

我运行一个狩猎程序，并有一个包含以下列的数据框：日期、物种类型、努力程度，以及代表该日期在特定狩猎区域收获的物种数量的几列。但是，"species type" 列将同一物种的雄性、雌性和幼体分开。我需要折叠每个区域相同物种的收获数量，同时保留所有其他公共信息。这是我的 df 的示例：

Date        Species       Area.1.Harvest  Area.2.Harvest   Effort
2016-04-02  Wild Sheep-M        1              NA            30
2016-04-02  Wild Sheep-F        4              NA            30
2016-04-17  Feral Goat-M        NA             5             50
2016-04-17  Feral Goat-F        NA             3             50
2016-09-18  Wild Sheep-M        NA             6             60
2016-09-18  Wild Sheep-F        NA             1             60
2016-09-18  Wild Sheep-J        NA             1             60

这是我要查找的结果：

Date        Species       Area.1.Harvest  Area.2.Harvest   Effort
2016-04-02  Wild Sheep          5              NA            30
2016-04-17  Feral Goat          NA             8             50
2016-09-18  Wild Sheep          NA             8             60

我有 6 个不同的领域可以做这件事，并且有 3 年的收获数据。

Answer 1

查看库 dplyr，其中函数 group_by() 和 summarise() 对您正在寻找的聚合类型非常有帮助。

查看库 stringr，其中 str_sub() 等函数可以帮助您管理和转换字符串（在这种情况下，列 Species 应该字符而不是因子).

library(dplyr)
library(stringr)

df %>% 
 mutate(
    Species = str_sub(Species, 1, nchar(Species) - 2)
  ) %>% 
  group_by(Date, Species) %>% 
  summarise(
    Area.1.Harvest = sum(Area.1.Harvest, na.rm = T),
    Area.2.Harvest = sum(Area.2.Harvest, na.rm = T),
    Effort         = mean(Effort, na.rm = T)
  )

Answer 2

您也可以使用 data.table 库

轻松完成此操作

library(data.table)
df <- data.table(Date = as.Date(c(rep('2016-04-02',2), rep('2016-04-17',2), rep('2016-09-18',3))), Species = c('Wild Sheep-M', 'Wild Sheep-F', 'Feral Goat-M', 'Feral Goat-F', 'Wild Sheep-M', 'Wild Sheep-F','Wild Sheep-J'), Area.1.Harvest = c(1,4,NA,NA,NA,NA,NA), Area.2.Harvest = c(NA,NA,5,3,6,1,1), Effort = c(30, 30, 50, 50, 60, 60, 60))


df[,Species := substr(Species,1,nchar(Species)-2)][,.(Area.1.Harvest = sum(Area.1.Harvest, na.rm=TRUE), 
                                                        Area.2.Harvest = sum(Area.2.Harvest, na.rm=TRUE),
                                                        Effort = mean(Effort, na.rm=TRUE)), by=list(Date, Species)]

#         Date    Species Area.1.Harvest Area.2.Harvest Effort
#1: 2016-04-02 Wild Sheep              5              0     30
#2: 2016-04-17 Feral Goat              0              8     50
#3: 2016-09-18 Wild Sheep              0              8     60

Answer 3

您可以仅使用 dplyr 执行以下操作：

library(dplyr)

df %>%
  group_by(Species = gsub("-.*", "", Species), Date) %>%
  mutate_at(vars(contains("Area")), function(x) sum(x, na.rm = any(!is.na(x))))  %>%
  mutate_at(vars(contains("Effort")), function(x) mean(x, na.rm = any(!is.na(x)))) %>%
  distinct()

无论您有多少 Area 或 Effort 变量，这都有效（因为您提到您有多个变量，而您的示例只是部分表示）。

输出：

# A tibble: 3 x 5
# Groups:   Species, Date [3]
  Date       Species   Area.1.Harvest Area.2.Harvest Effort
  <chr>      <chr>              <int>          <int>  <dbl>
1 2016-04-02 WildSheep              5             NA     30
2 2016-04-17 FeralGoat             NA              8     50
3 2016-09-18 WildSheep             NA              8     60

自定义函数用于 mean 和 sum，如往常一样mean(x, na.rm = T) 将 return 0 而不是所需输出中指定的 NA。

根据 B 列中的日期和 R 中 C 列中的指定非匹配值在 A 列中添加元素

Add elements in column A based on dates in column B and specified non-matching values in column C in R

r

collapse