这个问题在这里已经有了答案:
Split dataframe using two columns of data and apply common transformation on list of resulting dataframes
(2 个回答)
4年前关闭。
我创建了一个函数来计算一些生物统计数据,例如物种范围边缘。这是该函数的简化版本:
range_stats <- function(rangedf, lat, lon, weighting, na.rm=T){
cent_lat <- weighted.mean(x=rangedf[,lat], w=rangedf[,weighting], na.rm=T)
cent_lon <- weighted.mean(x=rangedf[,lon], w=rangedf[,weighting], na.rm=T)
out <- data.frame(cent_lat, cent_lon)
return(out)
}
我想将此应用于一个大型数据框,其中每一行都是对一个物种的观察。因此,我希望该函数按一组指定的列对行进行分组,然后为每个组计算这些统计信息。这是一个测试数据框:
LATITUDE <- c(27.91977, 21.29066, 26.06340, 28.38918, 25.97517, 27.96313)
LONGITUDE <- c(-175.8617, -157.8645, -173.9593, -178.3571, -173.9679, -175.7837)
BIOMASS <- c(4.3540488, 0.2406332, 0.2406332, 2.1419699, 0.3451426, 1.0946017)
SPECIES <- c('Abudefduf abdominalis','Abudefduf abdominalis','Abudefduf abdominalis','Chaetodon lunulatus','Chaetodon lunulatus','Chaetodon lunulatus')
YEAR <- c('2005', '2005', '2014', '2009', '2009', '2015')
testdf <- data.table(LATITUDE, LONGITUDE, BIOMASS, SPECIES, YEAR)
我想将此函数应用于物种和年份的每个独特组合以计算汇总统计数据,即以下内容:
testresult <- testdf %>%
group_by(SPECIES, YEAR) %>%
range_stats(lat="LATITUDE",lon="LONGITUDE",weighting="BIOMASS",na.rm=T)
但是,上面的代码不起作用(我得到一个
(list) object cannot be coerced to type 'double'
错误),我不确定如何解决这个问题。
最佳答案
由于您添加了 dplyr
的标签和 purrr
,我假设您对 tidyverse
感兴趣解决方案。所以下面我将演示一个基于 tidyverse
的解决方案。 .
首先,您的range_stats
是有问题的。这就是您收到错误消息的原因。 weighted.mean
期待 x
的向量和 w
争论。但是,如果 rangedf
是 tibble
, 子集 tibble
的方式,如 rangedf[,lat]
仍将返回一列 tibble
.更好的方法是使用 pull
来自 dplyr
包裹。
library(tidyverse)
range_stats <- function(rangedf, lat, lon, weighting, na.rm=T){
cent_lat <- weighted.mean(x = rangedf %>% pull(lat),
w = rangedf %>% pull(weighting), na.rm=T)
cent_lon <- weighted.mean(x = rangedf %>% pull(lon),
w = rangedf %>% pull(weighting), na.rm=T)
out <- data.frame(cent_lat, cent_lon)
return(out)
}
接下来,你创建数据框的方式就OK了,但是
data.table
来自data.table
包,您将创建一个 data.table
,而不是 tibble
.我以为你想使用 tidyverse
中的方法,所以我改了data.table
至data_frame
如下。LATITUDE <- c(27.91977, 21.29066, 26.06340, 28.38918, 25.97517, 27.96313)
LONGITUDE <- c(-175.8617, -157.8645, -173.9593, -178.3571, -173.9679, -175.7837)
BIOMASS <- c(4.3540488, 0.2406332, 0.2406332, 2.1419699, 0.3451426, 1.0946017)
SPECIES <- c('Abudefduf abdominalis','Abudefduf abdominalis','Abudefduf abdominalis','Chaetodon lunulatus','Chaetodon lunulatus','Chaetodon lunulatus')
YEAR <- c('2005', '2005', '2014', '2009', '2009', '2015')
testdf <- data_frame(LATITUDE, LONGITUDE, BIOMASS, SPECIES, YEAR)
现在,您说要申请
range_stats
SPECIES
的每个组合的函数和 YEAR
.一种方法是将数据帧拆分为数据帧列表,并使用 lapply
家庭功能。但在这里我想向您展示如何使用 map
家庭功能来完成这个任务为map
来自purrr
包,它是 tidyverse
的一部分.我们可以先根据
SPECIES
创建一个组索引和 YEAR
.testdf2 <- testdf %>%
mutate(Group = group_indices(., SPECIES, YEAR))
testdf2
# A tibble: 6 x 6
LATITUDE LONGITUDE BIOMASS SPECIES YEAR Group
<dbl> <dbl> <dbl> <chr> <chr> <int>
1 27.91977 -175.8617 4.3540488 Abudefduf abdominalis 2005 1
2 21.29066 -157.8645 0.2406332 Abudefduf abdominalis 2005 1
3 26.06340 -173.9593 0.2406332 Abudefduf abdominalis 2014 2
4 28.38918 -178.3571 2.1419699 Chaetodon lunulatus 2009 3
5 25.97517 -173.9679 0.3451426 Chaetodon lunulatus 2009 3
6 27.96313 -175.7837 1.0946017 Chaetodon lunulatus 2015 4
如您所见,
Group
是一个显示索引号的新列。现在我们可以根据 Group
拆分数据帧,然后使用 map_dfr
申请range_stats
功能。testresult <- testdf2 %>%
split(.$Group) %>%
map_dfr(range_stats, lat = "LATITUDE",lon = "LONGITUDE",
weighting = "BIOMASS", na.rm = TRUE, .id = "Group")
testresult
Group cent_lat cent_lon
1 1 27.57259 -174.9191
2 2 26.06340 -173.9593
3 3 28.05418 -177.7480
4 4 27.96313 -175.7837
请注意
map_dfr
可以自动将数据框的输出列表绑定(bind)到单个数据框。 .id = "Group"
表示我们要创建一个名为 Group
的列基于列表元素的名称。我将过程分为两个步骤,但当然它们可以全部在一个管道中,如下所示。
testresult <- testdf %>%
mutate(Group = group_indices(., SPECIES, YEAR)) %>%
split(.$Group) %>%
map_dfr(range_stats, lat = "LATITUDE",lon = "LONGITUDE",
weighting = "BIOMASS", na.rm = TRUE, .id = "Group")
如果你愿意,
testresult
可以与 testdf
合并使用 left_join
,但我将在这里停止 testresult
可能已经是您想要的输出。我希望这有帮助。
关于r - 将函数应用于数据框中的分组行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46415198/