计数数据除以年份和按地区划分的R

Question

我有一个非常大(在Excel中打开太大)生物数据集,看起来像这样

    year <- c(1990, 1980, 1985, 1980, 1990, 1990, 1980, 1985, 1985,1990, 
              1980, 1985, 1980, 1990, 1990, 1980, 1985, 1985,
              1990, 1980, 1985, 1980, 1990, 1990, 1980, 1985, 1985)
    species <- c('A', 'A', 'B', 'B', 'B', 'C', 'C', 'C', 'A','A', 'A', 
                 'B', 'B', 'B', 'C', 'C', 'C', 'A', 'A', 'A', 'B', 'B', 'B', 
                 'C', 'C', 'C', 'A')
    region <- c(1, 1, 1, 3, 2, 3, 3, 2, 1, 1, 3, 3, 3, 2, 2, 1, 1, 1,1, 3, 3, 
                3, 2, 2, 1, 1, 1)
    df <- data.frame(year, species, region)

    df
    year species region
 1  1990       A      1
 2  1980       A      1
 3  1985       B      1
 4  1980       B      3
 5  1990       B      2
 6  1990       C      3
 7  1980       C      3
 8  1985       C      2
 9  1985       A      1
 10 1990       A      1
 11 1980       A      3
 12 1985       B      3
 13 1980       B      3
 14 1990       B      2
 15 1990       C      2
 16 1980       C      1
 17 1985       C      1
 18 1985       A      1
 19 1990       A      1
 20 1980       A      3
 21 1985       B      3
 22 1980       B      3
 23 1990       B      2
 24 1990       C      2
 25 1980       C      1
 26 1985       C      1
 27 1985       A      1

我要做的是弄清楚我所拥有的三年(1980年,1985年或1990年)每个地区(1,2或3)每个物种(A,B或C)中有多少存在.

我希望最终得到一个看起来与此类似的数据集,

      region A_1980 B_1980 C_1980 A_1985 B_1985 C_1985 A_1990 B_1990 C_1990
 1      1      0      0      0      0      0      0      0      0      0
 2      2      1      1      1      1      1      1      1      1      1
 3      3      2      2      2      2      2      2      2      2      2

这样每行代表一个区域,每列代表特定年份中每个物种的数量.我已经尝试使用spread函数与group_bydplyr函数一起完成此操作,但我无法让它做任何接近我想要的事情.

有没有人有什么建议？

Answer 1

像这样的东西？

library(dplyr)

df2 <- df %>% 
  mutate(sp_year = paste(species, year, sep = "_")) %>%
  group_by(region) %>% 
  count(sp_year) %>% 
  spread(sp_year,n)

df2

这给了这个:

# A tibble: 3 x 10
# Groups:   region [3]
  region A_1980 A_1985 A_1990 B_1980 B_1985 B_1990 C_1980 C_1985 C_1990
   <dbl>  <int>  <int>  <int>  <int>  <int>  <int>  <int>  <int>  <int>
1      1      1      3      3     NA      1     NA      2      2     NA
2      2     NA     NA     NA     NA     NA      3     NA      1      2
3      3      2     NA     NA      3      2     NA      1     NA      1

Answer 2

类似于wl1234的答案,但更简洁.我们可以unite用来组合列.我们也可以count不group_by使用变量.最后,我们可以fill = 0在spread函数中设置替换NA为0.

library(tidyverse)

df2 <- df %>%
  unite(sp_year, species, year, sep = "_") %>%
  count(sp_year, region) %>%
  spread(sp_year, n, fill = 0)
df2
# # A tibble: 3 x 10
#   region A_1980 A_1985 A_1990 B_1980 B_1985 B_1990 C_1980 C_1985 C_1990
#    <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
# 1      1      1      3      3      0      1      0      2      2      0
# 2      2      0      0      0      0      0      3      0      1      2
# 3      3      2      0      0      3      2      0      1      0      1