r - R中的多样性布劳指数

Question

我正在尝试在我的数据框上计算 R 中的 Blau 多样性指数（gini-simpson）。我为一个组中的每个人设置了 6 列，值范围为“学生”、“教师”、“校友”、“不适用”。如果组小于 6，则列内也有 NA。

我想计算不在每列内的行（整个组的多样性）的 Blau 索引，na.rm = TRUE。

有谁知道如何在 R 中做到这一点？

非常感谢！

有关数据框的图片，请参见此处

Answer 1

我们可以很容易地手动计算 Gini-Simpson 指数。

首先，我将生成一些示例数据：

# Generate sample data
set.seed(2017);
type <- c("Student", "Faculty", "Alumni");
data <- sample(type, 6 * 20, replace = TRUE);

# Replace 40 entries with NAs
set.seed(2017);
data[sample(6 * 20, 40)] <- NA;

# Reformat as 6 column dataframe
df <- as.data.frame(matrix(data, ncol = 6), stringsAsFactors = FALSE);
names(df) <- paste0("e", seq(1:6), "_affiliation");
head(df);
#e1_affiliation e2_affiliation e3_affiliation e4_affiliation e5_affiliation
#1           <NA>        Faculty           <NA>        Student        Student
#2           <NA>           <NA>           <NA>        Faculty         Alumni
#3           <NA>         Alumni        Student        Faculty        Faculty
#4        Student           <NA>           <NA>           <NA>           <NA>
#5           <NA>        Student         Alumni         Alumni        Student
#6         Alumni         Alumni        Faculty        Faculty        Student
# e6_affiliation
#1         Alumni
#2         Alumni
#3           <NA>
#4        Student
#5        Faculty
#6        Student

多样性的Gini-Simpson (= Gibbs-Martin = Blau) 指数由下式给出

其中R表示类型的总数，并且是第i种类型的比例丰度。

我们定义了一个函数，它接受一个字符串向量并返回 GS 索引：

# Define function to calculate the Gini-Simpson index
# We ensure the same levels (present or absent) of x
# by factor(x, levels = type)
# Note that NAs will not be considered by default
get.GS.index <- function(x, type) {
    x <- factor(x, levels = type);
    return(1 - sum(prop.table(table(x))^2));
}

我们现在可以应用get.GS.index到数据框的所有行

apply(df, 1, get.GS.index, type)
#[1] 0.6250000 0.4444444 0.6250000 0.0000000 0.6400000 0.6666667 0.5000000
#[8] 0.6250000 0.6400000 0.5000000 0.4444444 0.6400000 0.3750000 0.3750000
#[15] 0.0000000 0.0000000 0.6111111 0.4444444 0.6666667 0.6400000

---

更新

如果组中只有一种类型，我们可以修改函数get.GS.index以返回。NA

get.GS.index <- function(x, type) {
    x <- factor(x, levels = type);
    t <- table(x);
    if (length(t[t>0]) == 1) return(NA) else return(1 - sum(prop.table(t)^2));
}

apply(df, 1, get.GS.index, type);
# [1] 0.6250000 0.4444444 0.6250000        NA 0.6400000 0.6666667 0.5000000
# [8] 0.6250000 0.6400000 0.5000000 0.4444444 0.6400000 0.3750000 0.3750000
#[15]        NA        NA 0.6111111 0.4444444 0.6666667 0.6400000