R-根据几个值聚合行，但仅对某些列应用求和函数

Question

我知道有一个类似的问题 (r aggregate dataframe: some columns unchanged, some columns aggregated)，但它不能满足我的需要。

我有一个数据框，其中包含不同物种的观察结果，但许多观察结果来自同一点（相同的经度和纬度）。

df=data.frame(sampleID=c("a","b","c","d","e","f"),latitude=c(46.4,46.4,73.2,36.6,36.6,55.3), longitud=c(66.4,66.4,34.6,46.4,46.4,50.7), material=c("soil","soil","water","water","water","water"), biome=c("forest", "forest", "sea","sea","sea","lake"), sp1=c(2,1,0,4,0,0),sp2=c(0,2,3,1,0,1), sp3=c(0,1,1,4,3,0))

df
  sampleID latitude longitud material  biome sp1 sp2 sp3
1        a     46.4     66.4     soil forest   2   0   0
2        b     46.4     66.4     soil forest   1   2   1
3        c     73.2     34.6    water    sea   0   3   1
4        d     36.6     46.4    water    sea   4   1   4
5        e     36.6     46.4    water    sea   0   0   3
6        f     55.3     50.7    water   lake   0   1   0

我想对来自相同位置和相同类型材料的观察结果（列 sp1、sp2 和 sp3，在提供的示例中）求和，但其他列保持不变。在“生物群系”的情况下，它应该是相同的值，所以就一样，在样本 ID 的情况下，保留一个 ID。比如：

  sampleID latitude longitud material  biome sp1 sp2 sp3
1        a     46.4     66.4     soil forest   3   2   1
3        c     73.2     34.6    water    sea   0   3   1
4        d     36.6     46.4    water    sea   4   1   7
6        f     55.3     50.7    water   lake   0   1   0

我尝试过使用聚合、ddply 以及 data.table 和 lapply。但我不知道如何将 sum 函数仅应用于一组列（6:8），因此它失败了。聚合给了我一个错误，ddply 删除了它无法求和的其他列（ID 和生物群系）。并且它根据纬度对观察结果进行排序，因此找出每个 ID 是一团糟。

我尝试过的一些事情：

ddply(df, .(latitude, longitude, material), numcolwise(sum))   #This one deletes the columns which it cannot sum, ID and biome (and many other variables I haven't shown in this example)

aggregate(.~latitude+longitude+material,data=df,sum) #Gives an error
aggregate(cbind(df[,c(6:8)]) ~ as[,c(2,3,4)], data=df, sum) #Gives an error

另外，这是我拥有的数据框的简化版本，我有更多变量和 200 多个物种，每个物种都有其拉丁语的实际名称。我不能全部输入，我需要通过 df[,c(18:220)] 或类似的方式进行选择。

任何帮助将不胜感激。

Answer 1

我们可以在基础 R 中做到这一点：

do.call(rbind, 
        DF |>
          split(DF$longitud, DF$latitude, DF$material) |> 
          lapply(function(x) { 
            cbind(x[1:5][1,], t(apply(x[6:8], 2, sum, na.rm = TRUE)))})) |>
  `rownames<-`(1:4)

  sampleID latitude longitud material  biome sp1 sp2 sp3
1        d     36.6     46.4    water    sea   4   1   7
2        a     46.4     66.4     soil forest   3   2   1
3        f     55.3     50.7    water   lake   0   1   0
4        c     73.2     34.6    water    sea   0   3   1

上面没有原生管道的解决方案：

DF <- do.call(rbind, 
              lapply(split(df, df$longitud, df$latitude, df$material), 
                     function(x) { 
                       cbind(x[1:5][1,], t(apply(x[6:8], 2, sum, na.rm = TRUE)))})) 

`rownames<-`(DF, seq_len(nrow(DF)))

  sampleID latitude longitud material  biome sp1 sp2 sp3
1        c     73.2     34.6    water    sea   0   3   1
2        d     36.6     46.4    water    sea   4   1   7
3        f     55.3     50.7    water   lake   0   1   0
4        a     46.4     66.4     soil forest   3   2   1

我们也可以使用aggregate：

aggregate(DF[startsWith(names(DF), "sp")], 
          list(latitude = DF$latitude, 
               longitude = DF$longitud, 
               material = DF$material), 
          sum, na.rm = TRUE)

  latitude longitude material sp1 sp2 sp3
1     46.4      66.4     soil   3   2   1
2     73.2      34.6    water   0   3   1
3     36.6      46.4    water   4   1   7
4     55.3      50.7    water   0   1   0

或者，如果您想使用公式，我们将 cbind 用于数值变量，因为它们不止一个：

aggregate(cbind(DF$sp1, DF$sp2, DF$sp3) ~ longitud + latitude + material, 
          data = DF, sum)

  longitud latitude material V1 V2 V3
1     66.4     46.4     soil  3  2  1
2     46.4     36.6    water  4  1  7
3     50.7     55.3    water  0  1  0
4     34.6     73.2    water  0  3  1

如果你愿意使用包dplyr，它会让工作变得更容易：

library(dplyr)

df %>%
  group_by(latitude, longitud, material) %>%
  mutate(across(starts_with("sp"), ~ sum(.x))) %>%
  slice_head(n = 1) %>%
  arrange(sampleID)

# A tibble: 4 x 8
# Groups:   latitude, longitud, material [4]
  sampleID latitude longitud material biome    sp1   sp2   sp3
  <chr>       <dbl>    <dbl> <chr>    <chr>  <dbl> <dbl> <dbl>
1 a            46.4     66.4 soil     forest     3     2     1
2 c            73.2     34.6 water    sea        0     3     1
3 d            36.6     46.4 water    sea        4     1     7
4 f            55.3     50.7 water    lake       0     1     0