r - 根据循环中的一个标准在变量之间建立比率并保留多个变量

Question

我有一个数据框，一年中每个季节都有 3 个诱捕 session ，持续 3 年(真实数据库有 100 多个季节和 800 个诱捕季节)。对于每个诱捕季节，我有 3 个二项式变量(“Non_Breeder”、“Potential_Breeder”和“Breeding”)。

# example    
    Year <- c(rep(2000,12), rep(2001,12), rep(2002,12))
    Season <- c(rep (seq(1:4), each=3,3))
    Trap_Session <- seq(1:36)
    Non_Breeder <- (rbinom(36, 1, prob=0.5))
    Potential_Breeder <- (rbinom(36, 1, prob=0.8))
    Breeding <- (rbinom(36, 1, prob=0.4))
    Month <- sample(12, 36, replace = TRUE)
    db <- cbind (Year, Season, Trap_Session, Non_Breeder, Potential_Breeder,     Breeding)
    db <- as.data.frame (db)

我想计算每个季节的“(Potential_Breeder + Breeding)/(Non_Breeder + Potential_Breeder + Breeding)”，保持变量“Year”、“Season”和“Ratio”。

我尝试过使用函数table，但我不知道如何自动为每个季节制作一个循环并保留变量“Year”、“Season”和“Ratio”。

例如:如果我有以下数据:

   Year Season Trap_Session Non_Breeder Potential_Breeder Breeding 
1  2000      1            1           1                 1        0  
2  2000      1            2           1                 1        0 
3  2000      1            3           0                 1        0  
4  2000      2            4           0                 1        1  
5  2000      2            5           1                 1        1  
6  2000      2            6           1                 1        1  

我想得到:

Year Season Ratio
2000     1  0.6 # (3/5)
2000     2  0.75 # (6/8) 

#Explanation of the calculation 
# 2000 Season 1
(3 Potential_Breeder / 5 (3Potential_Breeder+2 Non_Breeder)
# 2000 Season 2
(3Potential_Breeder + 2Breeding / 2Non_Breeder + 3Potential_Breeder +2Breeding)

有人知道怎么做吗？

Answer 1

试试这个:

library(data.table)
setDT(db)[ , .("Ratio" = sum(Potential_Breeder, Breeding) /
              sum(Non_Breeder, Potential_Breeder, Breeding)), by = .(Year, Season)]

这会将一个名为“Ratio”(随意命名)的变量添加到您现有的按年份和季节分组的数据中，

与 dplyr 相同:

library(dplyr)
group_by(db, Year, Season) %>% summarise("Ratio" = sum(Potential_Breeder, Breeding) /
 sum(Non_Breeder, Potential_Breeder, Breeding))

给定 OP 中的数据库，两者都给出以下输出:

    Year Season     Ratio
 1: 2000      1 0.8000000
 2: 2000      2 0.5000000
 3: 2000      3 0.6000000
 4: 2000      4 0.8000000
 5: 2001      1 0.6666667
 6: 2001      2 0.8000000
 7: 2001      3 0.8000000
 8: 2001      4 0.6000000
 9: 2002      1 1.0000000
10: 2002      2 0.5000000
11: 2002      3 0.8571429
12: 2002      4 0.6666667