0

在被推荐使用 adehabitat 计算交叉路口的体积后，我偶然发现了一个轻微的（希望是简单的）问题。在这个库中，我使用 kerneloverlap 命令，因为我需要计算相交量。我想知道你是否可以帮助我解决一些编程问题。我需要修改脚本以使其“批量”处理友好。我对 R 的了解足以让自己陷入困境并脱发，因为我知道某些事情应该是可能的，但不知道如何让它发挥作用。

该命令非常简单：

kerneloverlap(loc[,c("X","Y")], loc$year, lev = 90, grid=30, meth="VI", conditional=TRUE)

它从数据文件 loc 中获取 x、y 坐标，按年份计算，并计算使用分布为 90 的网格单元大小为 30 的交集量。

输入文件（见下文摘录）是 anid、X、Y、年份和季节。对于这个例子，只有 1 个季节（请记住，我有 3 个季节）。对于这个例子，我想在 1 个季节内比较每个单独的交叉量。所以测试数据有2年1季2个人。我想说的是“在 2003 年至 2004 年的产犊季节，动物 1 的交集量为 0.8，这表明高度重叠和对某个位置的忠实度”。

我还想在季节之间进行比较。因此，动物 1 在 2003 年夏季和冬季的交集量为 0.04，这表明重叠程度较低且对位置不保真”。

需要记住的一点是：并非所有人每年都在场或每个季节都活着。因此，可能需要某种 droplevel。

到目前为止，这是我的 R 脚本（它不起作用）。请注意，输出也没有很好地连接在一起，我似乎无法获得编译文件。我希望它告诉我它与哪个年份、个人或季节进行比较。

IDNames= levels(loc$anid)
Year = unique(loc$year)
for (i in 1:(length(IDNames))){
vi90 = kerneloverlap(loc[,c("X","Y")], loc$year, lev = 90, grid=30, meth="VI", conditional=TRUE) 
    }
colnames(vi)= c(paste(IDNames[i],Year[n], sep =""),paste(IDNames[i], Year[n], sep =""))
}
write.csv(vi,"VolInter_indiv.csv")


    structure(list(anid = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L
), .Label = c("c_002", "c_104"), class = "factor"), X = c(276646.0514, 
276485.0397, 278102.4193, 278045.4716, 278993.8807, 274834.5677, 
278516.0218, 296741.8328, 299080.2451, 291874.5068, 168540.0024, 
168360.8211, 169538.2299, 164538.2592, 157321.7524, 148090.3478, 
140575.2442, 133369.7162, 134375.0805, 138763.5342, 232347.5137, 
231989.4609, 231793.1066, 234923.4012, 233374.4531, 232256.4667, 
233660.3445, 239317.3128, 246354.664, 145161.8922, 144148.7895, 
145154.7652, 145399.3515, 144581.4836, 143646.7295, 145055.3165, 
144613.1393, 145037.3035, 144701.2676), Y = c(2217588.648, 2216616.387, 
2219879.777, 2220818.804, 2216908.127, 2220423.322, 2216589.91, 
2234167.287, 2239351.696, 2232338.072, 2273737.333, 2273954.782, 
2269418.423, 2271308.607, 2264694.484, 2263710.512, 2254030.274, 
2253352.426, 2248644.946, 2262359.026, 2231404.821, 2229583.89, 
2231700.485, 2231598.882, 2237122.967, 2233302.185, 2240092.997, 
2237702.817, 2249213.958, 2261841.308, 2263064.156, 2262236.452, 
2264147.03, 2263214.877, 2263336.363, 2261417.946, 2256289.995, 
2256694.953, 2253352.576), year = c(2003L, 2003L, 2003L, 2003L, 
2003L, 2003L, 2003L, 2003L, 2003L, 2003L, 2003L, 2003L, 2003L, 
2003L, 2003L, 2003L, 2003L, 2003L, 2003L, 2003L, 2004L, 2004L, 
2004L, 2004L, 2004L, 2004L, 2004L, 2004L, 2004L, 2004L, 2004L, 
2004L, 2004L, 2004L, 2004L, 2004L, 2004L, 2004L, 2004L), season = structure(c(1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L), .Label = "calving", class = "factor")), .Names = c("anid", 
"X", "Y", "year", "season"), class = "data.frame", row.names = c(NA, 
-39L))
4

1 回答 1

6

好的，我会咬的。

您的代码有一些拼写错误（我希望如此），使其无法运行。让我们把它扔掉，重新开始。该函数kerneloverlap为其第二个参数中指定的每对项目返回一个重叠值矩阵。在您的第一个示例中，您正在比较年份。

让我们首先想象一下我们将如何处理仅一只动物的数据，并编写一个函数来输出我们想要的值，仅用于那个简单的情况：

kernMod <- function(x){
    #x is the data for a single animal
    rs <- kerneloverlap(x[,c("X","Y")],
                        x$year,lev = 90, 
                        grid = 30, 
                        meth = "VI", 
                        conditional = TRUE)
    #Assumes we're only comparing two years
    out <- data.frame(year = paste(colnames(rs),collapse="-"), val = rs[2,1])
    out
}

现在我们可以将它分别应用于每只动物：

kernMod(subset(loc,anid == 'c_002'))
       year val
1 2003-2004   0
> kernMod(subset(loc,anid == 'c_104'))
       year        val
1 2003-2004 0.06033966

或者我们可以使用ddplyfrom the plyrpackage 依次将其应用于每只动物：

ddply(loc,.(anid),.fun = kernMod)

  anid      year        val
1 c_002 2003-2004 0.00000000
2 c_104 2003-2004 0.06033966

要包括多个季节，您只需将其添加到要拆分的变量列表中ddply（未经测试）：

ddply(loc,.(anid,season),.fun = kernMod)

要比较一年中的季节，您需要修改kernMod以作为第二个参数传递x$season，然后调用类似（未经测试）的内容：

ddply(loc,.(anid,year),.fun = kernMod)

如果您的完整数据包含多年，kernMod则需要进行更多修改，因为kerneloverlap返回一个 nxn 矩阵，其中 n 是数据中的年数。也许是这样的（未经测试）

kernMod <- function(x){
    #x is the data for a single animal
    rs <- kerneloverlap(x[,c("X","Y")],
                        x$year,lev = 90, 
                        grid = 30, 
                        meth = "VI", 
                        conditional = TRUE)
    rs[lower.tri(rs,diag = TRUE)] <- NA
    rs <- melt(rs)
    rs <- subset(rs, !is.na(value))
    out <- data.frame(year = paste(rs$X1,rs$X2,collapse="-"), val = rs$value)
    out
}

这种方法应该通过仅计算您有数据的值来处理“丢失”的动物。

行。我很想为此获得第 3-4 位作者，但我会接受承认。;)

于 2011-09-22T00:40:57.297 回答