有没有办法根据来自多个数据框的操作在 R 中创建新列？

Question

有谁知道是否可以在一个数据帧（在我的情况下是“部署”数据帧）中使用一个变量来在另一个数据帧中创建一个变量？

例如，我有两个数据框：

df1：

   deploy <- data.frame(ID = c("20180101_HH1_1_1", "20180101_HH1_1_2", "20180101_HH1_1_3"), 
             Site_Depth = c(42, 93, 40), Num_Depth_Bins_Required = c(5, 100, 4), 
             Percent_Column_in_each_bin = c(20, 10, 25))

df2：

   sp.c <- data.frame(species = c("RR", "GS", "GT", "BR", "RS", "BA", "GS", "RS", "SH", "RR"), 
                      ct = c(25, 66, 1, 12, 30, 6, 1, 22, 500, 6), 
                      percent_dist_from_surf = c(11, 15, 33, 68, 71, 100, 2, 65, 5, 42))

我想在 df2 中创建新列，根据每个 ID 的 Percent_Column_in_each_bin 将每个物种和计数分配给一个 bin。 例如，在 20180101_HH1_1_3 中，将有 4 个 bin，每个 bin 占该列的 25%，并且该列 0-25% 内的所有物种（在 df2 中）将在 bin 1 中，并且物种在该列的 25-50% 内列将在深度 bin 2 中，依此类推。 我想象中的样子是：

    i.want.this <- data.frame(species = c("RR", "GS", "GT", "BR", "RS", "BA", "GS", "RS", "SH", "RR"), 
                      ct = c(25, 66, 1, 12, 30, 6, 1, 22, 500, 6), 
                      percent_dist_from_surf = c(11, 15, 33, 68, 71, 100, 2, 65, 5, 42),
                      '20180101_HH1_1_1_Bin' = c(1, 1, 2, 4, 4, 5, 1, 4, 1, 3),
                      '20180101_HH1_1_2_Bin' = c(2, 2, 4, 7, 8, 10, 1, 7, 1, 5), 
                      '20180101_HH1_1_3_Bin' = c(1, 1,  2, 3, 3, 4, 1, 3, 1, 2))

我对 R 很陌生，我不知道如何做到这一点。 我需要为 100 多个 ID（所有 ID 都具有不同的深度、深度 bin 的数量以及每个 bin 中的列的百分比）执行此操作，因此我希望不需要全部手动完成。 我曾尝试在 dplyr 中进行 mutate，但无法从两个不同的数据帧中提取。 我也尝试过 ifelse 语句，但我需要为每个 ID 单独运行 ifelse 语句。

我不知道我正在尝试做的事情是否可行，但我感谢您的反馈。 先感谢您！

编辑：我的最终目标是为每个 ID 的每个 bin 内的每个物种找到最大计数（最大 ct）。 我一直在做的是找到这个（使用来自@Ben 的建议生成的垃圾箱）是使用 dplyr 来切片并找到最大 ID，如下所示：

    20180101_HH1_1_1 <- sp.c %>%
                        group_by(20180101_HH1_1_1, species) %>%
                        arrange(desc(ct)) %>% 
                        slice(1) %>%
                        group_by(20180101_HH1_1_1) %>%
                        mutate(Count_Total_Per_Bin = sum(ct)) %>%
                        group_by(species, add=TRUE) %>% 
                        mutate(species_percent_of_total_in_bin = 
                             paste0((100*ct/Count_Total_Per_Bin) %>%
                        mutate(ID= "20180101_HH1_1_1 ") %>%
                        ungroup()

但我必须为 100 多个 ID 执行此操作。 我想要的输出是这样的：

    end.goal <- data.frame(ID = c(rep("20180101_HH1_1_1", 8)),
                   species = c("RR", "GS", "SH", "GT", "RR", "BR", "RS", "BA"),
                   bin = c(1, 1, 1, 2, 3, 4, 4, 5),
                   Max_count_of_each_species_in_each_bin = c(11, 66, 500, 1, 6, 12, 30, 6),
                   percent_dist_from_surf = c(11, 15, 5, 33, 42, 68, 71, 100),
                   percent_each_species_max_in_each_bin = c((11/577)*100, (66/577)*100, (500/577)*100, 100, 100, (12/42)*100, (30/42)*100, 100))

我在想，通过回答最初的问题，我可以解决这个问题，但我现在看到，要为每个 ID 获取此信息，您还需要做很多事情。

Answer 1

区分两个数据帧的内容很有帮助。

• df2 似乎包含来自某些站点的测量值
• df1 似乎包含您希望用来处理/总结 df2 中的测量值的参数

鉴于两个数据帧的这些不同目的，您最好的方法可能是每次向df2添加一列时循环遍历df1所有行。 类似于以下内容：

max_dist = max(df2$percent_dist_from_surf)

for(ii in 1:nrow(df1)){

  # extract parameters
  this_ID = df1[[ii,"ID"]]
  this_depth = df1[[ii,"Site_Depth"]]
  this_bins = df1[[ii,"Num_Depth_Bins_Required"]]
  this_percent = df1[[ii,"Percent_Column_in_each_bin"]]

  # add column to df2
  df2 = df2 %>%
    mutate(!!sym(this_ID) := insert_your_calculation_here)
}

!!sym(this_ID) :=代码的一部分是允许对输出列进行动态命名。

最好我可以确定你想要的公式insert_your_calculation_here是ceil(percent_dist_from_surf / max_dist * this_bins)

Answer 2

这是另一种不需要循环的方法。

使用sapply您可以cut来确定deploy数据帧中每个percent_dist_from_surf值的 bin。

res <- sapply(deploy$Percent_Column_in_each_bin, function(x) { 
  cut(sp.c$percent_dist_from_surf, seq(0, 100, by = x), include.lowest = TRUE, labels = 1:(100/x))
})
colnames(res) <- deploy$ID
cbind(sp.c, res)

或使用purrr ：

library(purrr)

cbind(sp.c, imap(setNames(deploy$Percent_Column_in_each_bin, deploy$ID), 
     ~ cut(sp.c$percent_dist_from_surf, seq(0, 100, by = .x), include.lowest = TRUE, labels = 1:(100/.x))
))

输出

   species  ct percent_dist_from_surf 20180101_HH1_1_1 20180101_HH1_1_2 20180101_HH1_1_3
1       RR  25                     11                1                2                1
2       GS  66                     15                1                2                1
3       GT   1                     33                2                4                2
4       BR  12                     68                4                7                3
5       RS  30                     71                4                8                3
6       BA   6                    100                5               10                4
7       GS   1                      2                1                1                1
8       RS  22                     65                4                7                3
9       SH 500                      5                1                1                1
10      RR   6                     42                3                5                2

编辑：

要确定每个物种、地点和 bin 的最大ct值，请将上述结果放入名为res的数据框中并执行以下操作。

首先将使用pivot_longer放入长格式。 然后您可以对物种、地点和箱进行group_by ，并确定该组合的最大ct 。

library(tidyverse)

res %>%
  pivot_longer(cols = starts_with("2018"), names_to = "site", values_to = "bin") %>%
  group_by(species, site, bin) %>%
  summarise(max_ct = max(ct)) %>%
  arrange(site, bin)

输出

# A tibble: 26 x 4
# Groups:   species, site [21]
   species site             bin   max_ct
   <fct>   <chr>            <fct>  <dbl>
 1 GS      20180101_HH1_1_1 1         66
 2 RR      20180101_HH1_1_1 1         25
 3 SH      20180101_HH1_1_1 1        500
 4 GT      20180101_HH1_1_1 2          1
 5 RR      20180101_HH1_1_1 3          6
 6 BR      20180101_HH1_1_1 4         12
 7 RS      20180101_HH1_1_1 4         30
 8 BA      20180101_HH1_1_1 5          6
 9 GS      20180101_HH1_1_2 1          1
10 SH      20180101_HH1_1_2 1        500
11 GS      20180101_HH1_1_2 2         66
12 RR      20180101_HH1_1_2 2         25
13 GT      20180101_HH1_1_2 4          1
14 RR      20180101_HH1_1_2 5          6
15 BR      20180101_HH1_1_2 7         12
16 RS      20180101_HH1_1_2 7         22
17 RS      20180101_HH1_1_2 8         30
18 BA      20180101_HH1_1_2 10         6
19 GS      20180101_HH1_1_3 1         66
20 RR      20180101_HH1_1_3 1         25
21 SH      20180101_HH1_1_3 1        500
22 GT      20180101_HH1_1_3 2          1
23 RR      20180101_HH1_1_3 2          6
24 BR      20180101_HH1_1_3 3         12
25 RS      20180101_HH1_1_3 3         30
26 BA      20180101_HH1_1_3 4          6