我有一个多年来在x个单位和y个采样站(每个单位内有多个站)收集的植被指标的数据框。我想为每个单元选择最近一年收集数据的所有植被数据。以下是我的数据框示例:
veg <- c("tree","grass","tree","grass","tree","grass","tree","grass")
cover <- c(0.97,0.21,0.35,0.67,0.45,0.72,0.27,0.67)
unit <- c("U1","U1","U1","U1","U2","U2","U2","U2")
station <- c("A1","A1","A2","A2","A3","A3","A4","A4")
year <- c(2015,2015,2014,2014,2013,2013,2014,2014)
df <- data.frame(veg,cover,unit,station,year)
数据框如下所示:
veg cover unit station year
1 tree 0.97 U1 A1 2015
2 grass 0.21 U1 A1 2015
3 tree 0.35 U1 A2 2014
4 grass 0.67 U1 A2 2014
5 tree 0.45 U2 A3 2013
6 grass 0.72 U2 A3 2013
7 tree 0.27 U2 A4 2014
8 grass 0.67 U2 A4 2014
我希望它看起来像这样:
veg cover unit station year
1 tree 0.97 U1 A1 2015
2 grass 0.21 U1 A1 2015
3 tree 0.27 U2 A4 2014
4 grass 0.67 U2 A4 2014
任何帮助将不胜感激。
这是如何在没有任何包的情况下做到这一点。
df.by = by(df, df$unit, FUN = function(t) t[t$year == max(t$year),])
df.recent = Reduce(function(...) merge(..., all=T), df.by)
df.recent
输出为
> df.recent
veg cover unit station year
1 grass 0.21 U1 A1 2015
2 grass 0.67 U2 A4 2014
3 tree 0.27 U2 A4 2014
4 tree 0.97 U1 A1 2015
对于第一行,我们使用函数 by
将数据框子集化因子 df$unit
.对于每个子集(对于每个单元),我们通过匿名函数function(t) t[t$year == max(t$year),])
提取最近一年的行。
df.by 是一个数据框列表,其中仅包含每个单元最近一年的行。
对于第二行,我们使用 merge
函数合并 df.by
中的所有数据框。此代码的用法在 同时合并多个数据帧 中进行了说明。
这得到了你的答案,你想要最新的蔬菜/单位对吗?
library(dplyr)
df %>%
group_by(veg, unit) %>%
arrange(desc(year)) %>%
slice(1)