r - 在 R 中，当每个观测值位于不同变量中时如何对观测值进行计数

Question

我有一个数据集，其中对一个事件的观察发生在不同的变量中。为了举一个更清楚的例子，想象一下:4 个人被告知到树林里去登记树木。他们被告知按照偶然发现树的顺序记下树的类型。因此，每个人都提交了他们找到的第一到第四棵树的列表。结果是这个数据框:

treedata <- structure(list(ID = c(1, 2, 3, 4), Tree_1 = c("birch", "oak", 
"oak", "alder"), Tree_2 = c("oak", "sequoia", "birch", "oak"), 
    Tree_3 = c("sequoia", NA, "alder", "birch"), Tree_4 = c("alder", 
    NA, NA, "sequoia")), class = "data.frame", row.names = c(NA, 
4L))

数据看起来像这样

然后，数据科学家被告知计算每种树类型的观察次数。但问题是，例如“birch”出现在 ID 1 的变量“Tree_1”中，ID 3 的变量“Tree_2”中，ID 4 的变量“Tree_3”中。

基本上，我想要在这里做的是将 Tree_x 变量转换为“birch”变量、“oak”变量等等，然后如果 ID 偶然发现该树，则分配 Yes 或 No 值。除了计算树木之外，新变量还将用于将树木与数值变量相关联。

我的第一个想法是使用“unite”，然后重新排列，使每棵树都按相同的顺序排列，然后创建一个新变量。然而我并没有成功，而且由于存在 NA，事实证明它仍然有点困难。

预期结果:

有人有解决办法吗？我尝试用谷歌搜索并搜索，但没有任何运气。

Answer 1

如果您能够使用 tidyverse 软件包，第一步是将数据转换为折叠树列的长格式:

library(tidyverse)

treedata_long <- pivot_longer(treedata, -ID, names_to = 'tree_num', values_to = 'tree_name') %>% 
  filter(!is.na(tree_name))

      ID tree_num tree_name
   <dbl> <chr>    <chr>    
 1     1 Tree_1   birch    
 2     1 Tree_2   oak      
 3     1 Tree_3   sequoia  
 4     1 Tree_4   alder    
 5     2 Tree_1   oak      
 6     2 Tree_2   sequoia  
 7     3 Tree_1   oak      
 8     3 Tree_2   birch    
 9     3 Tree_3   alder    
10     4 Tree_1   alder    
11     4 Tree_2   oak      
12     4 Tree_3   birch    
13     4 Tree_4   sequoia 

那么使用count()函数就很简单了:

tree_counts <- count(treedata_long, tree_name)

  tree_name     n
  <chr>     <int>
1 alder         3
2 birch         3
3 oak           4
4 sequoia       3

然后我们可以使用pivot_wider在您想要的输出中创建存在/不存在矩阵:

tree_wide <- treedata_long %>% 
  select(-tree_num) %>% 
  pivot_wider(names_from = tree_name, values_from = tree_name, values_fn = \(x) ifelse(!is.na(x), 'yes', NA))

    ID birch oak   sequoia alder
  <dbl> <chr> <chr> <chr>   <chr>
1     1 yes   yes   yes     yes  
2     2 NA    yes   yes     NA   
3     3 yes   yes   NA      yes  
4     4 yes   yes   yes     yes