循环通过数据集计算分叉

Question

我有这样的数据集：

 set.seed(1345)
 df<-data.frame(month= c(rep(1,10), rep(2, 10), rep(3, 10)), 
           species=sample(LETTERS[1:10], 30, replace= TRUE))

我想每个月循环一遍，计算物种多样性。我知道像diversity in library("vegan")这样的函数，并且知道使用这个路径(下面提供的代码)来解决我的问题，但是作为一个循环的练习，我试图创建一个for loop或函数来显示Shannons多样性和辛普森多样性的具体计算，这样每个索引的计算就不再神秘了。它们是使用下列公式计算的：

​

​

到目前为止，我已经为辛普森做了以下尝试：

df <- 
 df %>% 
  group_by(month, species) %>% 
  summarise(freq = n()) 

div<-NA
 for (i in length(unique(df$month))) {
 sum<- sum(df$freq)
 for (i in unique (df$freq)){
 p<- df$freq /sum
 p.sqrd<-p*p
 div[i]<-1/sum(p.sqrd)
   }}

以下是香农的故事：

df <- 
 df %>% 
  group_by(month, species) %>% 
  summarise(freq = n()) 

div<-NA
 for (i in length(unique(df$month))) {
 sum<- sum(df$freq)
 for (i in unique (df$freq)){
 p<- df$freq /sum
 log.p<-ln(p)
 div[i]<- sum(p[i]*ln(p[i]))
   }}

我不是在创建一个成功的循环，我希望帮助正确地索引这个循环，并创建一个效率最高的循环(即将df <- df %>% group_by(month, species) %>% summarise(freq = n())合并到循环中)和一个非常清楚地说明了循环中的方程的for循环。

使用diversity函数，以下是辛普森多样性的答案：

library("tidyverse")
df <- 
 df %>% 
 group_by(month, species) %>% 
 summarise(freq = n()) 

# Cast dataframe of interaction frequencies into a matrix
library("reshape2")
ph_mat<- dcast(df,  month~ species)
ph_mat[is.na(ph_mat)] <- 0 #changes 

library("vegan")
df<- data.frame(div=diversity(ph_mat, index="simpson"), 
               month=unique(ph_mat$month))

对Shannons来说：

library("vegan")
df<- data.frame(div=diversity(ph_mat, index="shannon"), 
               month=unique(ph_mat$month))

Answer 1

这里我有一个不包含for循环的解决方案，但是我定义并解释了一个函数来计算每个索引(没有什么神秘的！)它计算每个月的每个多样性度量。它使用来自group_by()和summarize()的dplyr函数。

set.seed(1345)
df<-data.frame(month= c(rep(1,10), rep(2, 10), rep(3, 10)), 
               species=sample(LETTERS[1:10], 30, replace= TRUE))

calc_shannon <- function(community) {
  p <- table(community)/length(community) # Find proportions
  p <- p[p > 0] # Get rid of zero proportions (log zero is undefined)
  -sum(p * log(p)) # Calculate index
}

calc_simpson <- function(community) {
  p <- table(community)/length(community) # Find proportions
  1 / sum(p^2) # Calculate index
}

diversity_metrics <- 
  df %>% 
  group_by(month) %>% 
  summarize(shannon = calc_shannon(species),
            simpson = calc_simpson(species))