For循环：计算两个数据帧之间的匹配项和唯一元素，并将函数应用于计数
我想进行一个非常复杂的循环。我有多个区域，每个区域在我的真实数据框中有数百个图。我想按区域划分子集，然后在子集上绘制和执行各种函数，以最终计算只有共享物种的差异性。我将在前言中说，每一行都代表着一种互动 我的示例For循环：计算两个数据帧之间的匹配项和唯一元素，并将函数应用于计数,r,for-loop,R,For Loop,我想进行一个非常复杂的循环。我有多个区域，每个区域在我的真实数据框中有数百个图。我想按区域划分子集，然后在子集上绘制和执行各种函数，以最终计算只有共享物种的差异性。我将在前言中说，每一行都代表着一种互动 我的示例df： set.seed(540) df<- data.frame(region= c(rep(1, 16), rep(2,8)), plot= c(rep("A",5), rep("B",9), rep("C", 2), rep("D", 6),re
df set.seed(540)
df<- data.frame(region= c(rep(1, 16), rep(2,8)),
plot= c(rep("A",5), rep("B",9), rep("C", 2), rep("D", 6),rep("E", 2)),
plantsp= sample(1:24,24, replace= TRUE),
lepsp= sample(1:24,24,replace= TRUE),
psitsp= sample(1:24,24,replace= TRUE))
df[] <- lapply(df, as.character)
df$plantsp<-paste('plantsp', df$plantsp, sep='_')
df$lepsp<-paste('lepsp', df$lepsp, sep='_')
df$psitsp<-paste('psitsp', df$psitsp, sep='_')
df$paste1<- paste(df$plantsp, df$lepsp, sep='_')
df$paste2<- paste(df$lepsp, df$psitsp, sep='_')
df$paste3<- paste(df$plantsp,df$lepsp, df$psitsp)
psitsppaste2paste3lepsppsitspdfu sub2region_sub <- split(df, df$region)
plot_sub <- split(region_sub[[1]], region_sub[[1]][[2]])
df_sub2<- df[1:5,c(1:2,4,5,7)]
df_sub3<- df[1:5,c(1:5,8)]
sum_match<- 15
sum_unique<- 1
plot_sub1df_sub1pase1匹配中。结果将相应地存储在匹配或唯一向量中。例如：
match<- length(intersect(df_sub1$paste1, plot_sub[[1]]$paste1))
match
注：如果df\u sub
具有重复交互或匹配，则plot\u sub
之间的匹配只需计算1次。这需要解释比赛的存在——比赛的缺乏，而不是比赛的丰富
总之，对于该子集，两个向量为：
match<- c( length(intersect(df_sub1$paste1, plot_sub[[1]]$paste1)),
length(intersect(df_sub2$paste2, plot_sub[[1]]$paste2)),
length(intersect(df_sub3$paste3, plot_sub[[1]]$paste3))
match
unique<-c(1,0,0)
我真的很感激任何时候有人愿意帮助我实现循环中的论点。这对我来说是个棘手的问题。谢谢你在评论中所做的所有澄清
下面是我使用tidyverse
的解决方案
代码+解释
## Load packages
library(tidyverse)
## Nest data
new_df <- df %>%
group_by(region, plot) %>%
nest(.key = plot_sub)
new_df
# A tibble: 5 x 3
# region plot plot_sub
# <dbl> <fctr> <list>
# 1 1 A <tibble [5 x 3]>
# 2 1 B <tibble [9 x 3]>
# 3 1 C <tibble [2 x 3]>
# 4 2 D <tibble [6 x 3]>
# 5 2 E <tibble [2 x 3]>
现在，我定义了要创建df_sub
的列，然后将该函数应用于plot_sub
-列
col_list1 <- c('plantsp', 'lepsp')
col_list2 <- c('lepsp', 'psitsp')
col_list3 <- c('plantsp', 'lepsp', 'psitsp')
new_df <- new_df %>%
mutate(df_sub1 = map(plot_sub, create_df_sub, df = df, col_list = col_list1),
df_sub2 = map(plot_sub, create_df_sub, df = df, col_list = col_list2),
df_sub3 = map(plot_sub, create_df_sub, df = df, col_list = col_list3))
新的交互添加到df_sub1
中
为了提取匹配值和唯一值，我在plot\u sub
列和不同的df\u sub
上使用internal\u join
和anti\u join
new_df <- new_df %>%
mutate(match1 = map2(df_sub1, plot_sub, inner_join, by = col_list1),
match2 = map2(df_sub2, plot_sub, inner_join, by = col_list2),
match3 = map2(df_sub3, plot_sub, inner_join, by = col_list3),
unique1 = map2(df_sub1, plot_sub, anti_join, by = col_list1),
unique2 = map2(df_sub2, plot_sub, anti_join, by = col_list2),
unique3 = map2(df_sub3, plot_sub, anti_join, by = col_list3))
在最后一步中，我提取每个匹配
和唯一
的行数，并将其相加。我还计算了res\u vec
new_df <- new_df %>%
mutate(sum_match = map_int(match1, nrow) + map_int(match2, nrow) + map_int(match3, nrow),
sum_unique = map_int(unique1, nrow) + map_int(unique2, nrow) + map_int(unique3, nrow),
res_vec = ((sum_match + sum_unique)/((2*sum_match + sum_unique)/2)) - 1)
数据
set.seed(540)
df <- data.frame(region = c(rep(1, 16), rep(2, 8)),
plot = c(rep('A', 5), rep('B', 9), rep('C', 2), rep('D', 6),rep('E', 2)),
plantsp = sample(1:24, 24, replace = TRUE),
lepsp = sample(1:24, 24, replace = TRUE),
psitsp = sample(1:24, 24, replace = TRUE))
df$plantsp <- paste('plantsp', df$plantsp, sep = '_')
df$lepsp <- paste('lepsp', df$lepsp, sep = '_')
df$psitsp <- paste('psitsp', df$psitsp, sep = '_')
set.seed（540）
df我很欣赏这个可复制的例子，但我对df_sub1
的逻辑感到困惑。在您的示例中，您说df_sub1
应该包括df
的第22行，其中包含plantsp_9
和“lepsp_2”。但是，plot_sub1
中没有一行同时具有这两个值。因此，我不明白为什么df[22，]
包含在df_sub1
中。此外，df[16，]
有plantsp_21
和lepsp_19
，它们与plot_sub1[2，]
完全匹配，因此我也不明白为什么df[16，]
没有包含在df_sub1
中。也许它与“删除具有任何唯一条目的行”有关，在本文中，我也不理解这一点，因为df[c（1,2,3,4,5,22），c（1:4,6）]
的所有行都是唯一的，并且在plantsp
列中只有plantsp_9
重复，其他四个值在dfu sub1
中是唯一的，我感谢您的提问，而不是放弃我的问题！你的问题很好，为什么我的分析（在我看来）很酷。回答您的第一个问题：在df_sub1
的第22行，虽然plantsp9和lepsp2在plot_sub1
中没有交互作用，但它们都在该图中。所以我想知道，在它们共有的物种子集中，有什么不同的相互作用。通过包含ROW22，我计算了不同的交互物种，我需要对这些实例进行计数。在我的例子中，我不考虑<代码> df（16，）< />代码，因为这是情节C的一部分，这是循环的第三次迭代的一部分。我需要为每个绘图子集分别重复步骤3-7（例如，在循环的下一次迭代中将是plot_sub2
及其相应的df_sub1
，df_sub2
，df_sub3
，第三次迭代是plot_sub3
及其相应的df_sub1
，df_sub2
，df_sub3
，等等。）好的，我想我对df row的理解更好22-它被包括在dfu sub1
中，因为它的plantsp
和lepsp
值都出现在plot\u sub1
中的某个地方，即使它们不在同一行中。正确吗？哇。我非常感谢，印象深刻。这非常有效。唯一的小修正是res\u vec
公式。它没有计算回答正确。res_-vec
应该是res_-vec我还没有在我的真实数据上运行它。你知道这种方法或循环会更快吗？这将是一个巨大的数据集（即超过9个区域和1500个绘图）我很好奇，与循环相比，您的解决方案运行的速度有多快。我想这比循环快，但您可以使用microbenchmark
首先比较不同的方法，然后选择最快的方法。这是一个很好的解决方案，感谢microbenchmark
的建议，我没有意识到这一点，这会有所帮助很多。我已经更新了我的OP来解释我的错误，所以我建议你更新你的答案。谢谢你花了这么多时间在这上面。非常好！我很高兴还没有得到一个答案-很高兴你得到了！
col_list1 <- c('plantsp', 'lepsp')
col_list2 <- c('lepsp', 'psitsp')
col_list3 <- c('plantsp', 'lepsp', 'psitsp')
new_df <- new_df %>%
mutate(df_sub1 = map(plot_sub, create_df_sub, df = df, col_list = col_list1),
df_sub2 = map(plot_sub, create_df_sub, df = df, col_list = col_list2),
df_sub3 = map(plot_sub, create_df_sub, df = df, col_list = col_list3))
new_df$plot_sub[[1]]
# A tibble: 5 x 3
# plantsp lepsp psitsp
# <chr> <chr> <chr>
# 1 plantsp_2 lepsp_19 psitsp_19
# 2 plantsp_21 lepsp_19 psitsp_4
# 3 plantsp_19 lepsp_2 psitsp_11
# 4 plantsp_9 lepsp_13 psitsp_24
# 5 plantsp_24 lepsp_9 psitsp_2
new_df$df_sub1[[1]]
# A tibble: 6 x 3
# plantsp lepsp paste_col
# <chr> <chr> <chr>
# 1 plantsp_2 lepsp_19 plantsp_2_lepsp_19
# 2 plantsp_21 lepsp_19 plantsp_21_lepsp_19
# 3 plantsp_19 lepsp_2 plantsp_19_lepsp_2
# 4 plantsp_9 lepsp_13 plantsp_9_lepsp_13
# 5 plantsp_24 lepsp_9 plantsp_24_lepsp_9
# 6 plantsp_9 lepsp_2 plantsp_9_lepsp_2
new_df <- new_df %>%
mutate(match1 = map2(df_sub1, plot_sub, inner_join, by = col_list1),
match2 = map2(df_sub2, plot_sub, inner_join, by = col_list2),
match3 = map2(df_sub3, plot_sub, inner_join, by = col_list3),
unique1 = map2(df_sub1, plot_sub, anti_join, by = col_list1),
unique2 = map2(df_sub2, plot_sub, anti_join, by = col_list2),
unique3 = map2(df_sub3, plot_sub, anti_join, by = col_list3))
new_df$match1[[1]]
# A tibble: 5 x 4
# plantsp lepsp psitsp paste_col
# <chr> <chr> <chr> <chr>
# 1 plantsp_2 lepsp_19 psitsp_19 plantsp_2_lepsp_19
# 2 plantsp_21 lepsp_19 psitsp_4 plantsp_21_lepsp_19
# 3 plantsp_19 lepsp_2 psitsp_11 plantsp_19_lepsp_2
# 4 plantsp_9 lepsp_13 psitsp_24 plantsp_9_lepsp_13
# 5 plantsp_24 lepsp_9 psitsp_2 plantsp_24_lepsp_9
new_df$unique1[[1]]
# A tibble: 1 x 3
# plantsp lepsp paste_col
# <chr> <chr> <chr>
# 1 plantsp_9 lepsp_2 plantsp_9_lepsp_2
new_df <- new_df %>%
mutate(sum_match = map_int(match1, nrow) + map_int(match2, nrow) + map_int(match3, nrow),
sum_unique = map_int(unique1, nrow) + map_int(unique2, nrow) + map_int(unique3, nrow),
res_vec = ((sum_match + sum_unique)/((2*sum_match + sum_unique)/2)) - 1)
new_df %>% select(region, plot, sum_match, sum_unique, res_vec)
# A tibble: 5 x 5
# region plot sum_match sum_unique res_vec
# <dbl> <fctr> <int> <int> <dbl>
# 1 1 A 15 1 0.03225806
# 2 1 B 27 3 0.05263158
# 3 1 C 6 2 0.14285714
# 4 2 D 18 1 0.02702703
# 5 2 E 6 0 0.00000000
set.seed(540)
df <- data.frame(region = c(rep(1, 16), rep(2, 8)),
plot = c(rep('A', 5), rep('B', 9), rep('C', 2), rep('D', 6),rep('E', 2)),
plantsp = sample(1:24, 24, replace = TRUE),
lepsp = sample(1:24, 24, replace = TRUE),
psitsp = sample(1:24, 24, replace = TRUE))
df$plantsp <- paste('plantsp', df$plantsp, sep = '_')
df$lepsp <- paste('lepsp', df$lepsp, sep = '_')
df$psitsp <- paste('psitsp', df$psitsp, sep = '_')