Как использовать pivot_wider для очистки набора данных с дубликатами и несколькими классами в столбце значений в R - PullRequest
Новая
       1

Как использовать pivot_wider для очистки набора данных с дубликатами и несколькими классами в столбце значений в R

0 голосов
/ 20 января 2020

Я пытаюсь привести в порядок набор данных с помощью pivot_wider, но сталкиваюсь с некоторыми проблемами, которые не знаю, как их решить. В моем столбце значений «OrigValueStr», который я назначаю «values_from», у меня есть как числа, так и факторы. Поскольку есть некоторые дубликаты, я хочу получить среднее значение из числовых значений c, но я хочу сохранить факторы как факторы (возможно, размещая возможные дубликаты друг за другом, разделенные ";" или "_", или просто оставив первый, вы натолкнетесь на остальных). Моя идея состоит в том, чтобы поместить выражение ifelse в "values_fn" или назначить, какие факторы из "names_from" взять среднее значение и оставить остальные. Тем не менее, я не знаю, как это сделать sh.

Еще одна идея, которую я имею, состоит в том, чтобы разделить набор данных на две части, одна из которых содержит числовые значения c, а другая содержит факторы ( из столбца «values_from») сделайте то, что нужно сделать, а затем снова соедините наборы данных. Но я бы предпочел сделать все это одновременно с pivot_wider.

Поскольку я не очень опытен в R, я не знаю, как написать свой код, чтобы он выполнял то, что я хочу. Я не нашел примеров других, использующих values_fn так, как я себе представляю.

Есть ли кто-нибудь, кто может указать мне правильное направление / помочь мне в том, как привести в порядок эти данные? Я хочу, чтобы у меня был один вид («AccSpeciesName») на строку (только одна строка на вид) и каждый уникальный «TraitName» в виде столбца.

Это то, что я пробовал, прежде чем пробовать мои новые идеи, и они не дают мне то, что я хочу: 

df7<-Df_TR %>%
  group_by(AccSpeciesName) %>%
  mutate(row = row_number()) %>%
  tidyr::pivot_wider(names_from = TraitName, values_from = OrigValueStr) %>%
  select(-row)

levels(D_TRY$TraitName)
df8<-Df_TR %>% 
  mutate(OrigValueStr = as.numeric(OrigValueStr)) %>% 
  pivot_wider(., names_from = TraitName, values_from = OrigValueStr,values_fn = list(OrigValueStr = mean))

Вот подмножество моих данных (исходное имеет> 2 000 000 наблюдений и 27 переменных и было получено из базы данных признаков TRY), если бы я выбрал 3 переменные, которые меня интересуют: 

structure(list(AccSpeciesName = structure(c(1L, 1L, 2L, 2L, 3L, 
3L, 5L, 5L, 6L, 7L, 11L, 11L, 9L, 10L, 12L, 12L, 13L, 13L, 15L, 
17L, 18L, 18L, 19L, 20L, 21L, 21L, 22L, 22L, 23L, 23L, 24L, 24L, 
25L, 25L, 26L, 27L, 27L, 28L, 29L, 4L, 8L, 14L, 28L, 16L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 14L, 14L, 14L, 14L, 14L, 
14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 
14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 
14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 
14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 
14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 
14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 
14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 
14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 
14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 
14L, 14L, 14L, 14L, 14L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 
16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 
16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 
16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 
16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 
16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 
16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 28L, 28L, 28L, 28L, 
28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 
28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 
28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 
28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 
28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L
), .Label = c("Achillea millefolium", "Angelica sylvestris", 
"Anthriscus sylvestris", "Calluna vulgaris", "Caltha palustris", 
"Carex rostrata", "Carex vaginata", "Clematis vitalba", "Deschampsia cespitosa", 
"Elymus repens", "Epilobium angustifolium", "Filipendula ulmaria", 
"Geranium sylvaticum", "Helianthemum nummularium", "Lathyrus pratensis", 
"Ligustrum vulgare", "Luzula multiflora", "Melampyrum sylvaticum", 
"Orthilia secunda", "Persicaria vivipara", "Rhinanthus minor", 
"Rubus saxatilis", "Rumex obtusifolius", "Solidago virgaurea", 
"Tanacetum vulgare", "Trifolium pratense", "Trollius europaeus", 
"Vaccinium myrtillus", "Vicia cracca"), class = "factor"), TraitName = structure(c(4L, 
5L, 4L, 5L, 4L, 5L, 4L, 5L, 5L, 5L, 4L, 5L, 5L, 5L, 4L, 5L, 4L, 
5L, 5L, 5L, 4L, 5L, 5L, 5L, 4L, 5L, 4L, 5L, 4L, 5L, 4L, 5L, 4L, 
5L, 5L, 4L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 6L, 1L, 3L, 2L, 1L, 3L, 
2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 
1L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 
2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 
1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 
3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 3L, 2L, 
1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 
3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 
2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 
3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 1L, 3L, 2L, 1L, 2L, 1L, 
2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 1L, 
3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 1L, 3L, 2L, 1L, 3L, 1L, 
3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 
2L, 1L, 3L, 2L, 1L, 2L, 1L, 3L, 2L, 3L, 2L, 1L, 2L, 1L, 3L, 2L, 
1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 
3L, 2L, 1L, 2L, 1L, 3L, 2L, 1L, 3L, 1L, 2L, 1L, 3L, 2L, 1L, 3L, 
2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 
1L, 3L, 2L, 1L, 3L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 
1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 
3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 
2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 3L, 2L, 1L, 
3L, 2L, 1L, 3L, 2L, 1L, 2L, 1L, 3L, 2L, 1L, 3L), .Label = c("Leaf area per leaf dry mass (specific leaf area, SLA or 1/LMA): petiole excluded", 
"Leaf area per leaf fresh mass (specific leaf area (SLA or 1/LMA) based on leaf fresh mass)", 
"Leaf dry mass per leaf fresh mass (leaf dry matter content, LDMC)", 
"Plant lifespan (longevity)", "Plant nitrogen(N) fixation capacity", 
"Seed dry mass"), class = "factor"), OrigValueStr = structure(c(346L, 
345L, 346L, 345L, 346L, 345L, 346L, 345L, 345L, 345L, 346L, 345L, 
345L, 345L, 346L, 345L, 346L, 345L, 344L, 345L, 343L, 345L, 345L, 
345L, 343L, 345L, 346L, 345L, 346L, 345L, 346L, 345L, 346L, 345L, 
344L, 346L, 345L, 345L, 344L, 1L, 3L, 4L, 2L, 100L, 170L, 204L, 
325L, 89L, 120L, 318L, 31L, 7L, 311L, 81L, 124L, 310L, 84L, 111L, 
320L, 42L, 5L, 324L, 163L, 196L, 307L, 92L, 326L, 70L, 127L, 
296L, 93L, 172L, 301L, 74L, 103L, 323L, 17L, 6L, 299L, 167L, 
210L, 297L, 85L, 142L, 303L, 55L, 102L, 312L, 8L, 134L, 239L, 
341L, 110L, 256L, 37L, 105L, 289L, 14L, 104L, 279L, 331L, 130L, 
201L, 46L, 211L, 215L, 39L, 248L, 183L, 49L, 178L, 272L, 56L, 
222L, 220L, 11L, 203L, 175L, 50L, 180L, 270L, 44L, 207L, 219L, 
27L, 231L, 181L, 174L, 275L, 28L, 205L, 199L, 61L, 202L, 260L, 
19L, 147L, 252L, 53L, 193L, 264L, 77L, 274L, 228L, 36L, 151L, 
276L, 47L, 190L, 254L, 69L, 227L, 246L, 12L, 138L, 245L, 62L, 
198L, 269L, 75L, 251L, 250L, 18L, 152L, 240L, 33L, 195L, 223L, 
60L, 208L, 253L, 22L, 154L, 243L, 30L, 192L, 217L, 186L, 263L, 
40L, 160L, 267L, 20L, 188L, 206L, 67L, 216L, 10L, 146L, 232L, 
72L, 257L, 65L, 249L, 34L, 159L, 259L, 78L, 236L, 268L, 90L, 
265L, 261L, 26L, 156L, 255L, 83L, 238L, 57L, 200L, 258L, 35L, 
185L, 235L, 86L, 229L, 277L, 71L, 214L, 38L, 155L, 273L, 73L, 
262L, 59L, 213L, 242L, 24L, 158L, 241L, 332L, 106L, 226L, 29L, 
115L, 281L, 342L, 133L, 234L, 54L, 135L, 288L, 334L, 113L, 224L, 
51L, 292L, 333L, 123L, 209L, 148L, 287L, 338L, 230L, 52L, 149L, 
285L, 16L, 145L, 247L, 48L, 141L, 284L, 339L, 136L, 225L, 64L, 
161L, 286L, 335L, 122L, 218L, 76L, 182L, 290L, 21L, 221L, 41L, 
132L, 283L, 337L, 128L, 43L, 282L, 32L, 177L, 244L, 45L, 109L, 
291L, 336L, 139L, 212L, 15L, 119L, 271L, 25L, 173L, 233L, 23L, 
118L, 278L, 9L, 140L, 237L, 13L, 121L, 266L, 340L, 143L, 114L, 
280L, 168L, 157L, 330L, 94L, 131L, 327L, 165L, 171L, 321L, 80L, 
126L, 309L, 66L, 107L, 304L, 96L, 191L, 298L, 68L, 108L, 302L, 
164L, 179L, 317L, 79L, 125L, 308L, 169L, 189L, 328L, 87L, 129L, 
313L, 166L, 153L, 329L, 58L, 112L, 293L, 101L, 176L, 315L, 88L, 
144L, 306L, 98L, 194L, 300L, 82L, 116L, 314L, 99L, 184L, 305L, 
150L, 322L, 97L, 197L, 295L, 91L, 137L, 319L, 162L, 316L, 63L, 
117L, 294L, 95L, 187L), .Label = c("0.028", "0.277", "1.18", 
"1.228", "1.80326086956522", "1.82538461538462", "1.87352941176471", 
"10.0730769230769", "10.2839116719243", "10.2857142857143", "10.3172978505629", 
"10.4545454545455", "10.5833333333333", "10.6786516853933", "10.743670886076", 
"10.7611940298507", "10.7630769230769", "10.8724832214765", "10.8888888888889", 
"10.9649122807018", "10.9861591695502", "11.0655737704918", "11.3061002178649", 
"11.319587628866", "11.4805194805195", "11.4963503649635", "11.5434782608696", 
"11.6022099447514", "11.6552356020942", "11.6666666666667", "11.8470588235294", 
"11.90036900369", "11.9148936170213", "11.9601328903654", "12", 
"12.0670391061453", "12.1090909090909", "12.2093023255814", "12.3068893528184", 
"12.3287671232877", "12.413436123348", "12.4434782608696", "12.5626326963907", 
"12.664907651715", "12.789817232376", "12.8070175438596", "12.8735632183908", 
"12.9442567567568", "12.9661016949153", "13.0057803468208", "13.0934984520124", 
"13.2892966360856", "13.3333333333333", "13.3995348837209", "13.4366197183099", 
"13.4615384615385", "13.7055837563452", "13.8461538461538", "13.8709677419355", 
"13.9285714285714", "13.9490445859873", "14.1333333333333", "14.3333333333333", 
"14.5278538812785", "14.5398773006135", "14.58", "14.6092184368737", 
"14.6428571428571", "14.7368421052632", "14.8109589041096", "15.1048951048951", 
"15.2719665271967", "15.3846153846154", "15.6489795918367", "15.8029978586724", 
"15.8326446280992", "16.0336134453782", "16.1094224924012", "16.1407491486947", 
"16.258064516129", "16.2920547945206", "16.3157894736842", "16.4265129682997", 
"16.530612244898", "16.56", "16.6204986149585", "16.7095588235294", 
"16.8352941176471", "16.9363636363636", "16.9465648854962", "17.7372262773723", 
"17.82", "18.0495652173913", "18.7354085603113", "18.7873831775701", 
"18.9743276283619", "19.070821529745", "19.2223463687151", "19.3025059665871", 
"19.46", "19.8472392638037", "2.1", "2.25857142857143", "2.35112359550562", 
"2.35318181818182", "2.36631016042781", "2.3808", "2.39880952380952", 
"2.45383812010444", "2.45785714285714", "2.46734693877551", "2.46807692307692", 
"2.49122807017544", "2.49721627408994", "2.50130890052356", "2.50175438596491", 
"2.50583333333333", "2.51938997821351", "2.52236286919831", "2.53636363636364", 
"2.5426116838488", "2.54666666666667", "2.55700325732899", "2.5641095890411", 
"2.56515323496027", "2.57", "2.57465753424658", "2.57911392405063", 
"2.58143382352941", "2.58333333333333", "2.58735408560311", "2.59030837004405", 
"2.6", "2.61115384615385", "2.62093023255814", "2.64516129032258", 
"2.64744525547445", "2.65378787878788", "2.66086956521739", "2.66561514195584", 
"2.68506756756757", "2.70733333333333", "2.71074380165289", "2.71341176470588", 
"2.71641791044776", "2.72357142857143", "2.73259259259259", "2.75022222222222", 
"2.75418960244648", "2.75885167464115", "2.77960893854749", "2.80872483221477", 
"2.81130099228225", "2.82049180327869", "2.84767441860465", "2.85109489051095", 
"2.8855376344086", "2.91463917525773", "2.93521594684385", "2.96198630136986", 
"2.99369863013699", "20.146408839779", "20.196", "20.2125", "20.5180555555556", 
"20.6174200661522", "20.91", "22.1182795698925", "23.2993527508091", 
"24.14", "3.00648148148148", "3.01032608695652", "3.01298701298701", 
"3.01412742382271", "3.01777777777778", "3.02319018404908", "3.02583025830258", 
"3.04745762711864", "3.04757352941176", "3.06416184971098", "3.0686327077748", 
"3.0695867768595", "3.10684596577017", "3.11115751789976", "3.14428571428571", 
"3.15802139037433", "3.16845794392523", "3.17982456140351", "3.18333333333333", 
"3.19540229885058", "3.19889975550122", "3.20833333333333", "3.22222222222222", 
"3.22245810055866", "3.23404255319149", "3.247", "3.32762039660057", 
"3.33333333333333", "3.36538461538462", "3.3753807106599", "3.38618181818182", 
"3.41592356687898", "3.42681678607984", "3.44378787878788", "3.4475138121547", 
"3.44827586206897", "3.46965699208443", "3.47642857142857", "3.53503184713376", 
"3.53784090909091", "3.54385964912281", "3.54901960784314", "3.56666666666667", 
"3.57692307692308", "3.61386138613861", "3.63426853707415", "3.63636363636364", 
"3.63874345549738", "3.65019011406844", "3.66666666666667", "3.67052023121387", 
"3.67132867132867", "3.68421052631579", "3.69014084507042", "3.70121951219512", 
"3.72881355932203", "3.73450292397661", "3.73890909090909", "3.73961218836565", 
"3.76966292134831", "3.77054347826087", "3.78536585365854", "3.81034482758621", 
"3.82051282051282", "3.82535211267606", "3.82978723404255", "3.85798816568047", 
"3.86167146974063", "3.86671232876712", "3.88", "3.89276315789474", 
"3.8981308411215", "3.93243243243243", "3.93292682926829", "3.94867256637168", 
"3.95533980582524", "3.96153846153846", "3.97045929018789", "3.97046632124352", 
"3.977", "3.98286937901499", "3.99411764705882", "4.01592356687898", 
"4.02877697841727", "4.04166666666667", "4.04478764478765", "4.05555555555556", 
"4.06993006993007", "4.08421052631579", "4.09306358381503", "4.10171428571429", 
"4.11642411642412", "4.1244094488189", "4.13793103448276", "4.1412213740458", 
"4.16324503311258", "4.17204301075269", "4.20634920634921", "4.24", 
"4.25438596491228", "4.26024590163934", "4.26465517241379", "4.29746835443038", 
"4.29831932773109", "4.31111111111111", "4.35140186915888", "4.44444444444444", 
"4.4885593220339", "4.55253333333333", "4.60058823529412", "4.66061538461538", 
"4.68139534883721", "4.79325", "4.82182490752158", "4.82611534276387", 
"4.85381165919282", "4.87160633484163", "5.1135652173913", "5.15784431137725", 
"5.1589709762533", "5.21324296141814", "5.26390243902439", "5.6231884057971", 
"5.73333333333333", "5.73658536585366", "5.8122905027933", "5.9160736196319", 
"5.93722627737226", "5.95752212389381", "5.97086092715232", "6.00165517241379", 
"6.11846153846154", "6.13099236641221", "6.13828125", "6.21025641025641", 
"6.21895161290323", "6.22588235294118", "6.30699588477366", "6.34085603112841", 
"6.36", "6.38901098901099", "6.46478873239437", "6.48807947019868", 
"6.53695652173913", "6.57131782945736", "6.61245674740484", "6.63870967741935", 
"6.693", "6.71538461538461", "6.71538461538462", "6.83117647058824", 
"6.88387096774194", "6.94487394957983", "6.97215189873418", "7.01647058823529", 
"7.04807339449541", "7.25804195804196", "7.32621359223301", "7.34082397003745", 
"7.67259786476868", "8.72727272727273", "8.82352941176471", "9.03908794788274", 
"9.19298245614035", "9.26666666666667", "9.44347826086956", "9.4620253164557", 
"9.64080459770115", "9.79032258064516", "9.86776859504132", "9.91836734693878", 
"9.93333333333333", "annual", "N-FIXER", "NO-N-fixer", "perennial"
), class = "factor")), row.names = c(1L, 2L, 3L, 4L, 5L, 6L, 
7L, 8L, 9L, 10L, 11L, 12L, 13L, 14L, 15L, 16L, 17L, 18L, 19L, 
20L, 21L, 22L, 23L, 24L, 25L, 26L, 27L, 28L, 29L, 30L, 31L, 32L, 
33L, 34L, 35L, 36L, 37L, 38L, 39L, 41L, 43L, 45L, 50L, 52L, 58L, 
59L, 60L, 67L, 68L, 69L, 76L, 77L, 78L, 85L, 86L, 87L, 94L, 95L, 
96L, 103L, 104L, 105L, 112L, 113L, 114L, 121L, 123L, 130L, 131L, 
132L, 139L, 140L, 141L, 148L, 149L, 150L, 157L, 158L, 159L, 166L, 
167L, 168L, 175L, 176L, 177L, 184L, 185L, 186L, 193L, 194L, 195L, 
202L, 203L, 204L, 211L, 212L, 213L, 220L, 221L, 222L, 229L, 230L, 
231L, 237L, 238L, 239L, 245L, 246L, 247L, 253L, 254L, 255L, 261L, 
262L, 263L, 269L, 270L, 271L, 277L, 278L, 279L, 285L, 286L, 287L, 
293L, 294L, 295L, 302L, 303L, 309L, 310L, 311L, 317L, 318L, 319L, 
325L, 326L, 327L, 333L, 334L, 335L, 341L, 342L, 343L, 349L, 350L, 
351L, 357L, 358L, 359L, 365L, 366L, 367L, 373L, 374L, 375L, 381L, 
382L, 383L, 389L, 390L, 391L, 397L, 398L, 399L, 405L, 406L, 407L, 
413L, 414L, 415L, 421L, 422L, 423L, 429L, 430L, 431L, 438L, 439L, 
445L, 446L, 447L, 453L, 454L, 455L, 461L, 462L, 469L, 470L, 471L, 
477L, 479L, 485L, 487L, 493L, 494L, 495L, 501L, 502L, 503L, 509L, 
510L, 511L, 517L, 518L, 519L, 525L, 526L, 533L, 534L, 535L, 541L, 
542L, 543L, 549L, 550L, 551L, 557L, 558L, 565L, 566L, 567L, 573L, 
574L, 581L, 582L, 583L, 589L, 590L, 591L, 597L, 598L, 599L, 603L, 
604L, 605L, 611L, 612L, 613L, 617L, 618L, 619L, 625L, 626L, 627L, 
631L, 633L, 639L, 640L, 641L, 646L, 647L, 653L, 655L, 659L, 660L, 
661L, 667L, 668L, 669L, 673L, 674L, 675L, 681L, 682L, 683L, 687L, 
688L, 689L, 695L, 696L, 697L, 701L, 702L, 703L, 709L, 711L, 715L, 
716L, 717L, 723L, 724L, 729L, 731L, 737L, 738L, 739L, 743L, 744L, 
745L, 751L, 752L, 753L, 757L, 758L, 759L, 765L, 766L, 767L, 771L, 
772L, 773L, 779L, 780L, 781L, 785L, 786L, 787L, 793L, 794L, 800L, 
801L, 807L, 808L, 809L, 815L, 816L, 817L, 823L, 824L, 825L, 831L, 
832L, 833L, 847L, 848L, 849L, 855L, 856L, 857L, 863L, 864L, 865L, 
871L, 872L, 873L, 879L, 880L, 881L, 887L, 888L, 889L, 895L, 896L, 
897L, 903L, 904L, 905L, 911L, 912L, 913L, 919L, 920L, 921L, 927L, 
928L, 929L, 935L, 936L, 937L, 943L, 944L, 945L, 951L, 952L, 953L, 
960L, 961L, 967L, 968L, 969L, 975L, 976L, 977L, 983L, 985L, 991L, 
992L, 993L, 999L, 1000L), class = "data.frame")

И вот глава моих данных: 

head(Df_TR)
         AccSpeciesName                           TraitName OrigValueStr
1  Achillea millefolium          Plant lifespan (longevity)    perennial
2  Achillea millefolium Plant nitrogen(N) fixation capacity   NO-N-fixer
3   Angelica sylvestris          Plant lifespan (longevity)    perennial
4   Angelica sylvestris Plant nitrogen(N) fixation capacity   NO-N-fixer
5 Anthriscus sylvestris          Plant lifespan (longevity)    perennial
6 Anthriscus sylvestris Plant nitrogen(N) fixation capacity   NO-N-fixer

Любая помощь будет высоко ценится!

1 Ответ

1 голос
/ 20 января 2020

Я думаю, что вашу вторую идею было бы проще реализовать, т.е. разделить набор данных. 

#My example data
Df_TR <- data.frame("AccSpeciesName" = c("A","A","B","B"),
                    "TraitName" = c("Fixer","Height","Fixer","Height"),
                    "OrigValueStr" = c("Yes",12,"No", 15))

##Replace c("Height") with c("NumericName1, NumericName2)
Df_TR_NumericTraits <- Df_TR %>% filter(TraitName %in% c("Height")) %>%
  mutate(OrigValueStr = as.numeric(as.character(OrigValueStr)))%>%
  group_by(AccSpeciesName, TraitName)%>%
  summarise(., "MeanNumericTraitValue"= mean(OrigValueStr))%>%
  pivot_wider(names_from = TraitName, values_from = MeanNumericTraitValue)

#Pivot your factors
#Replace c("Fixer") with c("FactorName1, FactorName2)

Df_TR_FactorTraits <- Df_TR %>% filter(TraitName %in% c("Fixer"))%>%
  pivot_wider(names_from = TraitName, values_from = OrigValueStr)

#Combine the two data sets
Df_Recombined <- full_join(Df_TR_FactorTraits,Df_TR_NumericTraits)
Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.

Нет похожих вопросов

...