Fatal编程技术网
  • r/
  • R：确定与多个组的最大值和相关的系数

R：确定与多个组的最大值和相关的系数

r

R：确定与多个组的最大值和相关的系数,r,aggregate,R,Aggregate,考虑这一点： plot=c("A","A","A","A","B","B","B","B") mean=c(3,5,40,0,3,5,3,0) sp=c("ch","ch","ag",NA,"ch","ag","ch",NA) df=data.frame(plot,mean,sp) plot mean sp 1 A 3 ch 2 A 5 ch 3 A 40 ag 4 A 0 <NA> 5 B 3 ch

考虑这一点：

plot=c("A","A","A","A","B","B","B","B")
mean=c(3,5,40,0,3,5,3,0)
sp=c("ch","ch","ag",NA,"ch","ag","ch",NA)
df=data.frame(plot,mean,sp)

  plot mean   sp
1    A    3   ch
2    A    5   ch
3    A   40   ag
4    A    0 <NA>
5    B    3   ch
6    B    5   ag
7    B    3   ch
8    B    0 <NA>
如果不清楚，则对于地块A，返回sp“ag”，因为它具有该地块的最高累积平均值（40）。对于图B，返回“ch”，因为它具有最高的累积值（6）。价值观对我来说并不重要；我只想要每个图的累积平均值中最主要的sp

我已经使用了aggregate，并怀疑它在这里会有用，但我不确定如何继续

非常感谢（对于我们这些刚接触R的人来说，这个网站是一个巨大的资源！）

这里有一个使用“data.table”包的方法

在使用
setDT（df）
将
df
设置到数据表之后，我们做了两件事

  • [，cumsum（mean），by=（plot，sp）]
    计算
    mean
    列的累积和，按
    plot
    和
    sp
  • [，（sp=sp[V1==max（V1）]，by=plot]
    获取
    sp
    值，其中
    V1
    （在步骤1中计算）等于
    V1
    的最大值，并重命名该列
    sp
    ，按
    plot
    分组
    • 您应该能够通过两个步骤来完成此操作

    步骤1，在sp处按图聚合数据帧，并计算累积平均值。为此，您可以使用plyr with ddply或dplyr包

    步骤2，完成此操作后，对于每个绘图输出具有最高累积平均值的sp。有很多方法可以做到这一点。我会再次选择dplyr，但那是因为我现在有点被它迷住了

    事实上，你可以在dplyr中使用4行代码来完成整个过程，每个操作一行代码通过magritr。5如果你想去掉累积平均值列。您只需要一个groupby、summary和filter语句。如果你想要的话，我会发布代码，但是如果你自己去读、说、试一下，它会更有用

    或者

    df %>%
  group_by(plot, sp) %>%
  summarise(cumMean = sum(mean, na.rm=T)) %>%
  filter(cumMean == max(cumMean)) %>% 
  select(plot, sp)
    不确定@jebyrnes如何使用
    summary
    和
    filter
    （编辑：我找到了答案，而且非常简单），但下面是我如何使用
    dplyr
    ：

    library(dplyr)
group_by(df, plot,sp) %>% summarise(sum=sum(mean)) %>% summarise(sp=sp[sum==max(sum)])
#  plot sp
#1    A ag
#2    B ch
    聚合两次：一次计算每个
    绘图
    和
    sp
    的总和，第二次计算每个
    绘图
    的最大值。不过，第二个聚合只会给出平均值，所以将其与第一个聚合合并

    df2 = aggregate(mean ~ plot + sp, FUN = sum, data = df)
df3a = aggregate(mean ~ plot, data = df2, FUN = max)
merge(df3a, df2)
    不过，我还没有测试如果这里有相等的和会发生什么。此外，这会在数据帧中删除任何NAs。如果您想保留这些内容，我会确保在开始之前将数据帧与字符串而不是因子一起引入，然后将NAs更改为占位符（
    “None”
    ，甚至
    “NA”
    ）。上面的代码可以很好地处理字符串

    df = data.frame(plot,mean,sp, stringsAsFactors = FALSE)
df[is.na(df$sp), "sp"] = "None"

> df
  plot mean   sp
1    A    3   ch
2    A    5   ch
3    A   40   ag
4    A    0 None
5    B    3   ch
6    B    5   ag
7    B    3   ch
8    B    0 None
    谢谢你，理查德。您的解决方案在我的简单数据集上非常有效，但当我将其应用于实际数据时，发生了一件奇怪的事情。我有相当多的绘图，其中“平均”值只有0，而“sp”值只有NAs；对于这些绘图，此解决方案返回一行，该绘图中的每一行都带有NA。我应该有远见在我的示例中包含一个只有0/NAs的绘图。这可能不是一个困难的解决办法，但是@jebyrnes的建议让我达到了我想要的目的，所以我没有玩弄它。谢谢。是否应该
    df[is.na（df$sp），“sp”]=“None”
    be
    df[is.na（df$sp），“na”]=“None”
    ？后者对我有效，但前者没有（可能是我自己的无知！）。在我的示例中，我没有提到我的数据包括许多图，其中“平均”值只有0，而“sp”值只有NAs。这段代码似乎忽略了这些情节。我没有提到他们的存在，这是我的错。听到这个我很惊讶！后者肯定不应该（对我来说，也不应该）起作用。原因是
    df[X，Y]=“None”
    以
    df
    行
    X
    和列
    Y
    的单元格为目标
    X
    是我们的一个条件：其
    sp
    列为
    NA
    的行
    Y
    以名为
    sp
    的列为目标。基本上，使用后一个代码，您将得到一个名为
    “NA”
    的新列；矿山覆盖
    sp
    列中的
    NA
    s。将此操作视为选择行（基于
    is.nsa（）
    ），然后编辑列。谢谢。您编辑的代码是我第一次能够使用我的数据，所以我使用了它。我将花一些时间熟悉dplyr——感谢您在逻辑和建议方面所做的工作。 
    df2 = aggregate(mean ~ plot + sp, FUN = sum, data = df)
df3a = aggregate(mean ~ plot, data = df2, FUN = max)
merge(df3a, df2)

    df = data.frame(plot,mean,sp, stringsAsFactors = FALSE)
df[is.na(df$sp), "sp"] = "None"

> df
  plot mean   sp
1    A    3   ch
2    A    5   ch
3    A   40   ag
4    A    0 None
5    B    3   ch
6    B    5   ag
7    B    3   ch
8    B    0 None