问题描述
我正在开发一种工作流处理脚本,用于处理R中的sf
个对象。sf
是对象的简单要素类,它提供了一种处理tidyverse中空间数据的方法。但是,我在使用存储为sf
的数据执行标准group_by()%>%summary()%>%mutate()进程时遇到了严重的困难。我遇到一个问题,其中group_by()%>%summary()在对象转换为数据框后可用于该对象,但不能用作sf
。
基本上,我正在尝试按较高级别的地理位置对较低级别的地理位置进行分组,并输出汇总变量。然后,我需要在新的汇总sf
数据对象中对变量进行突变,该数据对象可计算多个变量的总和并除以另一个变量。对于sf
对象,此最后一个操作将引发错误“ x'x'必须是数字”,但是相同的操作适用于具有相同数据的数据帧(无geography
)。而且我已经验证了传递给rowSums
函数的所有变量的x 是数值。
下面的完整说明。在第一个示例中,您看到在示例数据的sf
版本上操作失败。在第二个示例中,在as.data.frame()
函数之前传递了separate()
,该过程成功了,但这消除了对我的分析至关重要的地理位置。
谢谢,全部!
library(sf)
#> Warning: package 'sf' was built under R version 4.0.2
#> Linking to GEOS 3.8.1,GDAL 3.1.1,PROJ 6.3.1
library(tidyverse)
#> Warning: package 'ggplot2' was built under R version 4.0.2
#> Warning: package 'tibble' was built under R version 4.0.2
#> Warning: package 'tidyr' was built under R version 4.0.2
#> Warning: package 'dplyr' was built under R version 4.0.2
library(dplyr)
library(spdep)
#> Loading required package: sp
#> Loading required package: spData
#> To access larger datasets in this package,install the spDataLarge
#> package with: `install.packages('spDataLarge',#> repos='https://Nowosad.github.io/drat/',type='source')`
library(stringi)
#> Warning: package 'stringi' was built under R version 4.0.2
nc <- st_read(system.file("shapes/sids.shp",package="spData")[1],quiet=TRUE)
st_crs(nc) <- "+proj=longlat +datum=NAD27"
row.names(nc) <- as.character(nc$FIPSNO)
names(nc)
#> [1] "CNTY_ID" "AREA" "PERIMETER" "CNTY_" "NAME" "FIPS"
#> [7] "FIPSNO" "CRESS_ID" "BIR74" "SID74" "NWBIR74" "BIR79"
#> [13] "SID79" "NWBIR79" "east" "north" "x" "y"
#> [19] "lon" "lat" "L_id" "M_id" "geometry"
nc %>%
separate(CNTY_ID,into = c("ID1","ID2"),sep = 2,remove = FALSE) %>%
group_by(ID1) %>%
dplyr::summarize(AREA = sum(AREA,na.rm = TRUE),BIR74 = sum(BIR74,SID74 = sum(SID74,NWBIR74 = sum(NWBIR74,na.rm = TRUE)
) %>%
mutate(stupid_var = rowSums(dplyr::select(.,'SID74':'NWBIR74'))/BIR74)
#> `summarise()` ungrouping output (override with `.groups` argument)
#> Error: Problem with `mutate()` input `stupid_var`.
#> x 'x' must be numeric
#> ℹ Input `stupid_var` is `rowSums(dplyr::select(.,"SID74":"NWBIR74"))/BIR74`.
class(nc$SID74)
#> [1] "numeric"
class(nc$NWBIR74)
#> [1] "numeric"
class(nc$BIR74)
#> [1] "numeric"
nc %>%
as.data.frame() %>%
separate(CNTY_ID,na.rm = TRUE)
) %>%
mutate(stupid_var = rowSums(dplyr::select(.,'SID74':'NWBIR74'))/BIR74)
#> `summarise()` ungrouping output (override with `.groups` argument)
#> # A tibble: 5 x 6
#> ID1 AREA BIR74 SID74 NWBIR74 stupid_var
#> <chr> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 18 2.53 36723 89 12788 0.351
#> 2 19 4.03 132525 203 38392 0.291
#> 3 20 3.94 111540 237 35281 0.318
#> 4 21 1.63 38117 106 14915 0.394
#> 5 22 0.494 11057 32 3723 0.340
由reprex package(v0.3.0)于2020-09-21创建
解决方法
我对以下代码行进行了更改。
mutate(stupid_var = rowSums(dplyr :: select(。,'SID74':'NWBIR74'))/ BIR74)
这行代码可能引起了问题。除非我丢失了某些内容,否则似乎没有理由对每一行的整个列进行求和。因此更改了代码以删除rowSums()函数。仍然可以使用mutate函数从每一行数据中的数据执行数学运算,但不涉及任何rowSums()值。
p1 <- nc %>%
separate(CNTY_ID,into = c("ID1","ID2"),sep = 2,remove = FALSE) %>%
group_by(ID1) %>%
dplyr::summarize(AREA = sum(AREA,na.rm = TRUE),BIR74 = sum(BIR74,SID74 = sum(SID74,NWBIR74 = sum(NWBIR74,na.rm = TRUE)) %>%
mutate( stupid_var = ( (p2$SID74) + (p2$NWBIR74)) / (p2$BIR74) )
p1
可以从此link.
查看输出 ,将city_ID分为2个变量可能有一定的原因,但是您没有提供任何提示。在第一个答案中,我进行了拆分,但我忽略了此处使用的拆分变量。
只要数据包含SF几何列,该SF几何就是粘性的,并且会跟随数据。即使数据被子集化。并且,当该sf几何图形存在时,就会导致基本列或行函数(例如sum())出现问题。因此必须在使用sum函数之前删除几何。
在第二个答案中,我使用了与答案1中相同的两个变量。nc数据被分配给第8列和第9列。我的选择是因为没有关于将哪些列加在一起的指导。然后删除sf几何,然后使用rowSums函数为每一行添加每一列的值。
gr_1 <- nc[,c(9:10)]
gr_1 <- st_drop_geometry(gr_1)
rownames(gr_1) = NULL # to remove extraneous data from gr_1
xsum <- c(rowSums(gr_1))
head(xsum) # displays values of xsum
可以在此link上查看输出: