在R中将数据框组合起来，对于相同的列求和

Question

我有3个数据框（行：站点，列：物种名称），它们包含了各站点的物种丰度。行数相同，但是列数不同，因为不是所有物种在这三个数据框中都有记录。我想将它们合并成一个数据框，并对相同物种的丰度求和。例如：

data.frame1

       Sp1  Sp2  Sp3  Sp4
site1   1    2    3    1
site2   0    2    0    1
site3   1    1    1    1

数据框2

       Sp1  Sp2  Sp4
 site1  0    1    2
 site2  1    2    0
 site3  1    1    1

数据框3

       Sp1  Sp2  Sp5  Sp6
 site1  0    1    1    1     
 site2  1    1    1    5
 site3  2    0    0    0

我想要的是类似于：

       Sp1  Sp2  Sp3  Sp4  Sp5  Sp6
 site1  1    4    3    3    1    1
 site2  2    5    0    1    1    5
 site3  4    2    1    2    0    0

我想我得使用合并功能，但迄今为止我的尝试都未能获得我想要的结果。

感激任何帮助。

- eugenego

---

也许 aggregate 比 merge 更好？ - Carl Witthoft

Answer 1

我会这样使用plyr的rbind.fill:

pp <- cbind(names=c(rownames(df1), rownames(df2), rownames(df3)), 
                        rbind.fill(list(df1, df2, df3)))

#   names Sp1 Sp2 Sp3 Sp4 Sp5 Sp6
# 1 site1   1   2   3   1  NA  NA
# 2 site2   0   2   0   1  NA  NA
# 3 site3   1   1   1   1  NA  NA
# 4 site1   0   1  NA   2  NA  NA
# 5 site2   1   2  NA   0  NA  NA
# 6 site3   1   1  NA   1  NA  NA
# 7 site1   0   1  NA  NA   1   1
# 8 site2   1   1  NA  NA   1   5
# 9 site3   2   0  NA  NA   0   0

然后，使用plyr的ddply进行聚合，如下所示：

ddply(pp, .(names), function(x) colSums(x[,-1], na.rm = TRUE))
#   names Sp1 Sp2 Sp3 Sp4 Sp5 Sp6
# 1 site1   1   4   3   3   1   1
# 2 site2   2   5   0   1   1   5
# 3 site3   4   2   1   2   0   0

- Arun

---

我有一个解决方案在脑海中，但我保证它不像这样优雅。 +1 - Tyler Rinker

@eugenego 你可以在最佳答案旁边打勾标记。 - Tyler Rinker

Answer 2

另一个选择是使用reshape2中的melt/cast。以下是一个简单的示例：

df1 <- read.table(header=T, text="
    Sp1  Sp2  Sp3  Sp4
    site1   1    2    3    1
    site2   0    2    0    1
    site3   1    1    1    1")

df2 <- read.table(header=T, text="
       Sp1  Sp2  Sp4
 site1  0    1    2
 site2  1    2    0
 site3  1    1    1")

df3 <- read.table(header=T, text="
       Sp1  Sp2  Sp5  Sp6
 site1  0    1    1    1     
 site2  1    1    1    5
 site3  2    0    0    0")

df1$site <- rownames(df1)
df2$site <- rownames(df2)
df3$site <- rownames(df3)

DF <- rbind(melt(df1,id="site"),melt(df2,id="site"),melt(df3,id="site"))
dcast(data=DF,formula=site ~ variable,fun.aggregate=sum)

   site Sp1 Sp2 Sp3 Sp4 Sp5 Sp6
1 site1   1   4   3   3   1   1
2 site2   2   5   0   1   1   5
3 site3   4   2   1   2   0   0

简而言之，我们使用站点指定作为附加变量，并将每个数据框转换为长格式，随后将它们连接成一个单独的数据框。后者包含所有长格式中的值。通过 dcast，我们创建您所需的数据框，其中站点位于行中（公式左侧），变量位于列中（公式右侧）。对于产生多个单元格的变量，应用 sum 函数。

当然，可以使用循环或 *apply 函数扩展代码以适用于更一般的情况。

- Maxim.K

Answer 3

除了现有的选项，这里再介绍两个使用基本 R 实现的选项。

第一个选项：宽聚合（有点像）

temp <- cbind(df1, df2, df3)
temp
#       Sp1 Sp2 Sp3 Sp4 Sp1 Sp2 Sp4 Sp1 Sp2 Sp5 Sp6
# site1   1   2   3   1   0   1   2   0   1   1   1
# site2   0   2   0   1   1   2   0   1   1   1   5
# site3   1   1   1   1   1   1   1   2   0   0   0
sapply(unique(colnames(temp)), 
       function(x) rowSums(temp[, colnames(temp) == x, drop = FALSE]))
#       Sp1 Sp2 Sp3 Sp4 Sp5 Sp6
# site1   1   4   3   3   1   1
# site2   2   5   0   1   1   5
# site3   4   2   1   2   0   0

第二个选项: 半宽到长，再到宽

从概念上讲，这与 Maxim.K 的答案类似: 将数据转换为长格式，这样操作起来会更加容易:

> temp1 <- t(cbind(df1, df2, df3))
> # You'll get a warning in the next step
> # Safe to ignore though...
> temp2 <- data.frame(var = rownames(temp), stack(data.frame(temp)))
Warning message:
In data.row.names(row.names, rowsi, i) :
  some row.names duplicated: 5,6,7,8,9 --> row.names NOT used
> xtabs(values ~ ind + var, temp2)
       var
ind     Sp1 Sp2 Sp3 Sp4 Sp5 Sp6
  site1   1   4   3   3   1   1
  site2   2   5   0   1   1   5
  site3   4   2   1   2   0   0

- A5C1D2H2I1M1N2O1R2T1

---

我已经使用了“第一选项”，对于一个大小为14500 x 130000的“temp1”数据框，它比提出的答案更完美且更快。 - marb_021

Answer 4

创建一个“模板”数组，其中包含您需要的所有列，这是对Arun答案的另一种选择。

Rgames> bbar<-data.frame('one'=rep(0,3),'two'=rep(0,3),'three'=rep(0,3))
Rgames> bbar
  one two three
1  0    0    0
2   0    0    0
3   0    0    0

然后，假设您有类似以下的数据框：

Rgames> bar1<-data.frame('one'=c(1,2,3),'two'=c(4,5,6))
Rgames> bar1
  one two
1   1   4
2   2   5
3   3   6

创建一个扩展的数据框：

Rgames> newbar1<-bbar
Rgames> for (jj in names(bar) )  newbar1[[jj]]<-bar[[jj]]
Rgames> newbar1
  one two three
1   1   4    0
2   2   5    0
3   3   6    0

然后将所有这样扩展的数据框求和。笨拙但简单。

- Carl Witthoft