Question

想知道其他人如何应对这一挑战。

背景

数据用于植被监测。它包括基本的每个地块信息，并确定这些物种的种类和覆盖率。

有几行特定于绘图的信息 - 日期，位置，距离后面是物种行。在物种内，行数值包括由该列表示的图中物种的％覆盖率。

简化视图将是这样的网格：

plot        1           4            5
date     5/3/2016     6/20/2016     6/22/2016
location    A           F             K
sp1                    15            30
sp2         5                        100
sp3         T           3             5

我希望得到的是这样的网格，它有助于将csv导入到数据库中（ species％cover需要引用RMDB中的情节信息）。 最左列=表字段名称。

plot        1        1          4        4            5          5       5
date     5/3/2016   5/3/2016  6/20/2016 6/20/2016 6/22/2016  6/22/2016 6/22/2016
location    A        A          F        F            K         K        K
species    sp2      sp3        sp1       sp3        sp1        sp2       sp3
cover %     5        T         15        3           30        100       5

数据库可以很容易地“消化”这种宽格式，并正确填充两个表格（Plot＆amp; CoverPercent）。

途径吗

我想过几种方法，但我认为有一种更好的方式让我失踪。

这是我到目前为止所提出的：

将数据从长到大
添加species和cover行
计算给定地块的物种数量
根据物种数重复绘图列
填充剧情的“物种”和“掩盖”行

最初我以为我可以在VBA中做到这一点，但看起来R似乎是更好/更快/更清洁的方法。但问题是“如何”？

我最近用表包完成了一些R工作，但过去一年我在VBA / SQL项目上花了很多钱。

我很好奇别人会如何应对这种变化。有什么想法吗？

Answer 1

我会使用OO方法。定义一个包含绘图和数据信息的简单类，并有一个物种和覆盖百分比字典：

'Plot.cls
Option Explicit

Private Type PlotMembers
    PlotId As Long
    DataDate As Date
    Location As String
End Type

Private this As PlotMembers
Private mCover As Scripting.Dictionary

Private Sub Class_Initialize()
    Set mCover = New Scripting.Dictionary
End Sub

Public Property Get PlotId() As Long
    PlotId = this.PlotId
End Property

Public Property Let PlotId(inValue As Long)
    this.PlotId = inValue
End Property

Public Property Get DataDate() As Date
    DataDate = this.DataDate
End Property

Public Property Let DataDate(inValue As Date)
    this.DataDate = inValue
End Property

Public Property Get Location() As String
    Location = this.Location
End Property

Public Property Let Location(inValue As String)
    this.Location = inValue
End Property

Public Sub AddSpeciesCover(species As String, cover As String)
    mCover.Add species, cover
End Sub

然后给它一个属性，用于显示CSV数据行列表：

'Also in Plot.cls
Public Property Get CsvRows() As String
    Dim key As Variant
    Dim output() As String
    ReDim output(mCover.Count - 1)
    Dim i As Long
    For Each key In mCover.Keys
        Dim temp(4) As String
        temp(0) = this.PlotId
        temp(1) = this.DataDate
        temp(2) = this.Location
        temp(3) = key
        temp(4) = mCover(key)
        output(i) = Join(temp, ",")
        i = i + 1
    Next key
    CsvRows = Join(output, vbCrLf)
End Property

然后，您需要做的就是从输入数据填充它们。请注意，此处的示例用法假定您问题中的顶部网格基本上看起来像A1左上角的活动工作表。更改此选项以匹配您需要收集数据的方式应该相当容易：

Public Sub SampleUsage()
    Dim plots As New Collection

    With ActiveSheet
        Dim col As Long
        For col = 2 To 4
            Dim current As Plot
            Set current = New Plot
            current.PlotId = .Cells(1, col).Value
            current.DataDate = .Cells(2, col).Value
            current.Location = .Cells(3, col).Value
            Dim r As Long
            For r = 4 To 6
                Dim cover As String
                cover = .Cells(r, col).Value
                If cover <> vbNullString Then
                    current.AddSpeciesCover .Cells(r, 1).Value, cover
                End If
            Next
            plots.Add current
        Next

    End With

    For Each current In plots
        Debug.Print current.CsvRows
    Next
End Sub

请注意，这只是一个演示方法要点的框架 - 它需要错误处理，更强大的格式化等等，以便生产就绪。

Answer 2

使用reshape2包的melt()方法简单地在R中重塑数据框。下面假设您发布的数据的转置视图是您在评论中提到的实际格式：

library(reshape2)

data = 'plot    date    location    sp1 sp2 sp3
1   5/3/2016    A       5   T
4   6/20/2016   F   15      3
5   6/22/2016   K   30  100 5'

df <- read.table(text=data, header=TRUE, sep="\t", stringsAsFactors = FALSE)
df    
#   plot      date location sp1 sp2 sp3
# 1    1  5/3/2016        A  NA   5   T
# 2    4 6/20/2016        F  15  NA   3
# 3    5 6/22/2016        K  30 100   5

mdf <- melt(df, id.vars=c("plot", "date", "location"),
            variable.name="species", na.rm = TRUE, value.name="cover %")
mdf <- mdf[with(mdf, order(date)),]               # ORDER BY DATE
rownames(mdf) <- seq_len(nrow(mdf))               # RESET ROW NAMES
mdf

#   plot      date location species cover %
# 1    1  5/3/2016        A     sp2       5
# 2    1  5/3/2016        A     sp3       T
# 3    4 6/20/2016        F     sp1      15
# 4    4 6/20/2016        F     sp3       3
# 5    5 6/22/2016        K     sp1      30
# 6    5 6/22/2016        K     sp2     100
# 7    5 6/22/2016        K     sp3       5

当Row有数据时，长到宽和重复列

2 个答案: