意外的 dply() 输出。未按需要分组

Question

我是 R 新手，用于尝试分析植物物种的一些人口统计数据。我的数据框包括：

TagKey（唯一标识符）、Year（观察年）、TagEstablished（首次发现植物的年份）和 StageClass（0=死亡，1=幼苗，2=植物，3=繁殖）。参观工厂的每一年都有一行，但我希望每个工厂有一行，然后是每年的状态列。这是为了逐年跟踪个人的状态。

示例数据：

TagKey <- c(PDPLM040J0_ALIFOR01_Belt_0, PDPLM040J0_ALIFOR01_Belt_0, PDPLM040J0_ALIFOR01_Belt_0, PDPLM040J0_ALIFOR01_Belt_1, PDPLM040J0_ALIFOR01_Belt_1, PDPLM040J0_ALIFOR01_Belt_1)
Year <- c(2020, 2020, 2020, 2021, 2021, 2021)
TagEstablished <- c(2020, 2020, 2020, 2020, 2020, 2020)
StageClass <- c(1, 2, 3, 0, 3, 3)

ALFO_stages <- data.frame(TagKey, Year, TagEstablished, StageClass)

我试过使用ddply:

ALFO_status <- ddply(ALFO_stages, .(TagKey), dplyr::summarize,
                     Year_Established = TagEstablished,
                     Status2020 = if(Year=="2020") {StageClass},
                     Status2021 = if(Year=="2021") {StageClass})

我的输出没有按照需要按 TagKey 分组。各自年份的输出是正确的，但不适用的年份只是吐出 NA。帮忙？

Answer 1

基于这句话：“参观工厂的每一年都有一行，但我希望每个工厂有 1 行，然后是每年状态的列。”听起来您想要的是重塑或旋转数据。

'Group by' 往往是汇总数据的一部分。例如。计算每年的记录数，将涉及按年份分组。旋转或重塑是将列内容转换为列标签或反之亦然的过程。

在 R 中，我会推荐 tidyr 包。也许是这样的：

TagKey <- c("PDPLM040J0_ALIFOR01_Belt_0", "PDPLM040J0_ALIFOR01_Belt_0", "PDPLM040J0_ALIFOR01_Belt_0", "PDPLM040J0_ALIFOR01_Belt_1", "PDPLM040J0_ALIFOR01_Belt_1", "PDPLM040J0_ALIFOR01_Belt_1")
Year <- c(2018, 2019, 2020, 2019, 2020, 2021) # NOTE editted for unique year for each tree
TagEstablished <- c(2020, 2020, 2020, 2020, 2020, 2020)
StageClass <- c(1, 2, 3, 0, 3, 3)

ALFO_stages <- data.frame(TagKey, Year, TagEstablished, StageClass)

library(tidyr)
library(dplyr)

ALFO_stages %>% pivot_wider(id_cols = c(TagKey, TagEstablished), names_from = Year, values_from = StageClass)

这会产生：

   TagKey                     TagEstablished `2018` `2019` `2020` `2021`
  <chr>                               <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
1 PDPLM040J0_ALIFOR01_Belt_0           2020      1      2      3     NA
2 PDPLM040J0_ALIFOR01_Belt_1           2020     NA      0      3      3

或者，您可以使用大量 ifelse 语句手动执行此操作：

ALFO_stages %>%
  group_by(TagKey, TagEstablished) %>%
  summarise(y2018 = max(ifelse(Year == 2018, StageClass, NA), na.rm = TRUE),
            y2019 = max(ifelse(Year == 2019, StageClass, NA), na.rm = TRUE),
            y2020 = max(ifelse(Year == 2020, StageClass, NA), na.rm = TRUE),
            y2021 = max(ifelse(Year == 2021, StageClass, NA), na.rm = TRUE))

这两段代码产生相同的答案（但 NA 对缺失值的处理不同）。

意外的 dply() 输出。未按需要分组

Unexpected dply() output. Not grouping as desired

r

dplyr

plyr

demographics