使用多个数据帧和查找表在 r 中执行功能

Question

我是 r 的新手，并且有一组复杂的数据，所以希望我的解释是正确的。我需要使用多个数据框来执行一系列操作。这是一个例子。我有三个数据框。一个是物种名称和对应代码的列表：

>df.sp
    Species Code
    Picea   PI
    Pinus   CA

另一个是包含不同位置 (dir) 物种丰度数据的站点列表。不幸的是，物种的顺序是不同的。

>df.site
Site  dir total  t01 t02 t03 t04
2         Total   PI  CA  AB  T
2     N    9      1   5   na na
2                 AB  ZI PI CA
2     S    5     2   2  1  4
3                 DD  EE AB YT
3     N    6     1   1  5   3
3                 AB YT  EE  DD
3     S     5     4   3  1   1

那我还有一个对应物种的性状数据框：

>df.trait
Species  leaft  rootl
Picea     0.01    1.2
Pinus     0.02    3.5

我想做的一件事是获取每个站点 (df.site$Site) 和每个站点位置的所有物种的每个特征 (df.trait$left 和 df.trait$rootl) 的平均值（df.site$ 站点 N，S）。所以结果将是第一行：

Site dir leaft rootl
2    N   0.015  2.35

我希望这是有道理的。思考如何去做对我来说非常复杂。我曾尝试从this post 和this（以及许多其他人）工作，但迷路了。 谢谢您的帮助。真的很感激。

更新：这里是使用 dput 的实际 df.site（减少）示例：

> dput(head(df.site))
structure(list(Site = c(2L, 2L, 2L, 2L, 2L, 2L), dir = c("rep17316", 
"N", "", "S", "", "SE"), total = c("Total", "9", "", 
"10", "", "9"), t01 = c("PI", "4", "CA", "1", "SILLAC", 
"3"), t02 = c("CXBLAN", "3", "ZIZAUR", "4", "OENPIL", "2"), 
    t03 = c("ZIZAPT", "1", "ECHPUR", "2", "ASCSYR", "2")), .Names = c("site", "dir", "total", "t01", "t02", "t03"), row.names = 2:7, class = "data.frame")

Answer 1

您必须首先将数据整理成更清晰的形式。我假设你上面的dput 的结构在你的df.site 数据帧中是一致的；即行是成对的，第一个指定物种代码，第二个有一个计数（或其他一些收集的数据？）。

从df作为你上面dput()的dataframe开始，我先模拟一下其他两个dataframe的数据：

df.sp <- data.frame(Species = paste0("species",1:8),
                    Code = c("ECHPUR", "CXBLAN", "ZIZAPT",
                             "CAMROT", "SILLAC", "OENPIL",
                             "ASCSYR", "ZIZAUR"))
df.sp
#>    Species   Code
#> 1 species1 ECHPUR
#> 2 species2 CXBLAN
#> 3 species3 ZIZAPT
#> 4 species4 CAMROT
#> 5 species5 SILLAC
#> 6 species6 OENPIL
#> 7 species7 ASCSYR
#> 8 species8 ZIZAUR

df.trait <- data.frame(Species = paste0("species",1:8),
                       leaft = round(runif(8, max=.2), 2),
                       rootl = round(runif(8, min=1, max=4),1))

df.trait
#>    Species leaft rootl
#> 1 species1  0.12   2.5
#> 2 species2  0.04   2.6
#> 3 species3  0.12   2.1
#> 4 species4  0.05   1.1
#> 5 species5  0.15   2.5
#> 6 species6  0.15   3.3
#> 7 species7  0.05   3.9
#> 8 species8  0.13   2.1

首先，让我们清理df，方法是移动包含收集数据的第二行，并将这些值移动到一组新的列中：

library(dplyr)

df.clean <- df %>% 
  #for each row, copy the direction and total from the following row
  mutate_at(vars(matches("dir|total")), lead) %>% 
  #create new columns for observed data and fill in values from following row
  mutate_at(vars(matches("t\\d+$")), 
            .funs = funs(n = lead(.))) %>% 
  #filter to rows with species code in t01
  filter(t01 %in% df.sp$Code) %>% 
  #drop "total" column (doesn't make sense after reshape)
  select(-total)

df.clean
#>   site dir    t01    t02    t03 t01_n t02_n t03_n
#> 1    2   N ECHPUR CXBLAN ZIZAPT     4     3     1
#> 2    2   S CAMROT ZIZAUR ECHPUR     1     4     2
#> 3    2  SE SILLAC OENPIL ASCSYR     3     2     2

我们现在有两组对应的列，分别具有物种代码和值。要将数据框重塑为长格式，我们将使用 data.table 包中的melt()。有关如何执行此操作的其他示例，请参阅对 this question 的回复。

library(data.table)

df.clean <- df.clean %>% 
  setDT() %>% #convert to data.table to use data.tabel::melt
  melt(measure.vars = patterns("t\\d+$", "_n$"),
       value.name = c("Code", "Count") ) %>% 
  #drop "variable" column, which isn't needed
  select(-variable)

最后，加入你的三个数据框：

#merge tables together
df.summaries <- df.clean %>% 
  left_join(df.sp) %>% 
  left_join(df.trait)

此时，您应该可以使用group_by 和summarise 将您的数据按您感兴趣的任何分组进行汇总。