有没有一种方法可以通过R中的多个组进行聚合？

我有一个摄像头陷阱数据集，其中包含文件名、站点ID、物种、计数、日期、时间等。我正在尝试创建一个记录表，在该记录表中，对于每个检测到的物种，对于每个摄像头站，我有最大数量的独立检测（即，如果将独立间隔设置为30分钟，并且在相同的30分钟间隔内检测到2只鹿和13只鹿，我希望使用13只，而不是2只）

原始数据：

File     SiteID     Date            Time       Species     Count
Can_001  YVR01      03-May-2018     21:34:25   Squirrel    3
Can_001  YVR01      03-May-2018     21:34:58   Squirrel    3
Can_001  YVR01      03-May-2018     21:36:25   Squirrel    1

到目前为止，我所做的是尝试首先按站点ID分组，然后按物种分组，然后按日期分组，然后创建一个有30分钟时间间隔的列，从中我需要找出如何在时间间隔内获得最大“计数”值-这些将是我正在使用的检测

物种组%
组别(种类)%>%
分组单位（日期）%>%
分组人（间隔时间=发言日期（DateTimeOriginalp，“30分钟”）

我能够进入创建30分钟间隔期和创建列的阶段，但在这一点之后，Summary（）、aggregate（）、tapply（）等函数似乎无法工作，因为它不允许我拉起“间隔时间”已创建列。新的Interval\u Time列采用dttm格式，并在我查看和调用物种组数据帧时显示。我现在需要做的是获取这些间隔内每个物种的最大计数。这是我尝试的（即管道外部）：

speciesgroup3也许您可以使用：

aggregate(. ~Interval_Time+SiteID, data=species_group, max, na.rm=TRUE)

例如，在这里寻找一个类似的问题
也许您可以使用：

aggregate(. ~Interval_Time+SiteID, data=species_group, max, na.rm=TRUE)

例如，在这里寻找一个类似的问题
使用library tidyverse中包含的dplyr函数，这应该与您要查找的内容非常接近

library(tidyverse)
library(lubridate)
df = read.table(text="
File     SiteID     Date            Time       Species     Count
Can_001  YVR01      03-May-2018     21:34:25   Squirrel    3
Can_001  YVR01      03-May-2018     21:34:58   Squirrel    3
Can_001  YVR01      03-May-2018     22:01:25   Squirrel    1
Can_001  YVR01      03-May-2018     21:34:58   Deer        5
Can_001  YVR01      03-May-2018     21:36:25   Deer        7
", header=T)

# Use mutate and the lubridate::mdy_hms to derive a proper date
# column from the text date time 
df2 <- df %>%
  mutate(DateTime = mdy_hms(paste(Date, Time)),
         period = floor_date(DateTime, "30 mins")) %>%
         select(-Date, -Time)

# File SiteID  Species Count            DateTime              period
# 1 Can_001  YVR01 Squirrel     3 2018-03-20 21:34:25 2018-03-20 21:30:00
# 2 Can_001  YVR01 Squirrel     3 2018-03-20 21:34:58 2018-03-20 21:30:00
# 3 Can_001  YVR01 Squirrel     1 2018-03-20 22:01:25 2018-03-20 22:00:00
# 4 Can_001  YVR01     Deer     5 2018-03-20 21:34:58 2018-03-20 21:30:00
# 5 Can_001  YVR01     Deer     7 2018-03-20 21:36:25 2018-03-20 21:30:00

# Summarize dow to the period level, applying the max function within the group by
df2 %>% 
  group_by(SiteID, Species, period) %>%
  summarize(n = max(Count))

# Groups:   SiteID, Species [?]
# SiteID Species  period                  n
# <fct>  <fct>    <dttm>              <dbl>
# 1 YVR01  Deer     2018-03-20 21:30:00     7
# 2 YVR01  Squirrel 2018-03-20 21:30:00     3
# 3 YVR01  Squirrel 2018-03-20 22:00:00     1

库（tidyverse）
图书馆（lubridate）
df=读取。表格（文本=”
文件站点ID日期时间物种计数
Can_001 YVR01 03-May-2018 21:34:25松鼠3
Can_001 YVR01 03-May-2018 21:34:58松鼠3
Can_001 YVR01 03-May-2018 22:01:25松鼠1
Can_001 YVR01 03-May-2018 21:34:58 5
Can_001 YVR01 03-May-2018 21:36:25鹿7
“，页眉=T）
#使用mutate和lubridate:：mdy_hms导出正确的日期
#来自文本日期时间的列
df2%
mutate（DateTime=mdy_hms（粘贴（日期、时间）），
期间=现场日期（日期时间，“30分钟”）%>%
选择（-Date，-Time）
#文件站点ID物种计数日期时间段
#1 Can_001 YVR01松鼠3 2018-03-20 21:34:25 2018-03-20 21:30:00
#2 Can_001 YVR01松鼠3 2018-03-20 21:34:58 2018-03-20 21:30:00
#3 Can_001 YVR01松鼠1 2018-03-20 22:01:25 2018-03-20 22:00:00
#4 Can_001 YVR01 Deer 5 2018-03-20 21:34:58 2018-03-20 21:30:00
#5 Can_001 YVR01 Deer 7 2018-03-20 21:36:25 2018-03-20 21:30:00
#将道琼斯指数汇总至期间水平，在集团内应用最大值函数
df2%>%
分组依据（场地ID、物种、时期）%>%
汇总（n=最大值（计数））
#组：站点ID，物种[？]
#站点物种周期n
#                     
#1 YVR01鹿2018-03-20 21:30:00 7
#2 YVR01松鼠2018-03-20 21:30:00 3
#3 YVR01松鼠2018-03-20 22:00:00 1
使用library tidyverse中包含的dplyr函数，这应该与您要查找的内容非常接近

library(tidyverse)
library(lubridate)
df = read.table(text="
File     SiteID     Date            Time       Species     Count
Can_001  YVR01      03-May-2018     21:34:25   Squirrel    3
Can_001  YVR01      03-May-2018     21:34:58   Squirrel    3
Can_001  YVR01      03-May-2018     22:01:25   Squirrel    1
Can_001  YVR01      03-May-2018     21:34:58   Deer        5
Can_001  YVR01      03-May-2018     21:36:25   Deer        7
", header=T)

# Use mutate and the lubridate::mdy_hms to derive a proper date
# column from the text date time 
df2 <- df %>%
  mutate(DateTime = mdy_hms(paste(Date, Time)),
         period = floor_date(DateTime, "30 mins")) %>%
         select(-Date, -Time)

# File SiteID  Species Count            DateTime              period
# 1 Can_001  YVR01 Squirrel     3 2018-03-20 21:34:25 2018-03-20 21:30:00
# 2 Can_001  YVR01 Squirrel     3 2018-03-20 21:34:58 2018-03-20 21:30:00
# 3 Can_001  YVR01 Squirrel     1 2018-03-20 22:01:25 2018-03-20 22:00:00
# 4 Can_001  YVR01     Deer     5 2018-03-20 21:34:58 2018-03-20 21:30:00
# 5 Can_001  YVR01     Deer     7 2018-03-20 21:36:25 2018-03-20 21:30:00

# Summarize dow to the period level, applying the max function within the group by
df2 %>% 
  group_by(SiteID, Species, period) %>%
  summarize(n = max(Count))

# Groups:   SiteID, Species [?]
# SiteID Species  period                  n
# <fct>  <fct>    <dttm>              <dbl>
# 1 YVR01  Deer     2018-03-20 21:30:00     7
# 2 YVR01  Squirrel 2018-03-20 21:30:00     3
# 3 YVR01  Squirrel 2018-03-20 22:00:00     1

库（tidyverse）
图书馆（lubridate）
df=读取。表格（文本=”
文件站点ID日期时间物种计数
Can_001 YVR01 03-May-2018 21:34:25松鼠3
Can_001 YVR01 03-May-2018 21:34:58松鼠3
Can_001 YVR01 03-May-2018 22:01:25松鼠1
Can_001 YVR01 03-May-2018 21:34:58 5
Can_001 YVR01 03-May-2018 21:36:25鹿7
“，页眉=T）
#使用mutate和lubridate:：mdy_hms导出正确的日期
#来自文本日期时间的列
df2%
mutate（DateTime=mdy_hms（粘贴（日期、时间）），
期间=现场日期（日期时间，“30分钟”）%>%
选择（-Date，-Time）
#文件站点ID物种计数日期时间段
#1 Can_001 YVR01松鼠3 2018-03-20 21:34:25 2018-03-20 21:30:00
#2 Can_001 YVR01松鼠3 2018-03-20 21:34:58 2018-03-20 21:30:00
#3 Can_001 YVR01松鼠1 2018-03-20 22:01:25 2018-03-20 22:00:00
#4 Can_001 YVR01 Deer 5 2018-03-20 21:34:58 2018-03-20 21:30:00
#5 Can_001 YVR01 Deer 7 2018-03-20 21:36:25 2018-03-20 21:30:00
#将道琼斯指数汇总至期间水平，在集团内应用最大值函数
df2%>%
分组依据（场地ID、物种、时期）%>%
汇总（n=最大值（计数））
#组：站点ID，物种[？]
#站点物种周期n
#                     
#1 YVR01鹿2018-03-20 21:30:00 7
#2 YVR01松鼠2018-03-20 21:30:00 3
#3 YVR01松鼠2018-03-20 22:00:00 1
请参见下面的dplyr答案。1）按日期分组后，以下函数将对剩余的未分组列进行操作2）%%>%group___by来自dplyr，因此请使用SUMMATE而不是base R中的AGGRATE。此外，您提供了数据也很好，最好还提供了一个您希望看到dplyr答案的示例。1） 按日期分组后，以下函数将对其余未分组的列进行操作2）%>%group_by来自dplyr，因此请使用SUMMARY而不是base R中的AGGRATE。此外，您提供了数据也很好，最好还提供了一个示例，说明您想要的内容非常感谢！这最终对我有用，使用了我以前创建的相同的“间隔时间”列！将尝试它使用期间，并确保相同的结果返回：）非常感谢！这最终对我有用，使用了我以前创建的相同的“间隔时间”列！将使用句点进行尝试，并确保返回相同的结果：）