我的目标是制作一个时间线图表，显示不同时期独特昆虫物种的数量。时间线将被分成 500 年的块，日期为现在之前 (BP)（即 0 - 500、501 - 1000 等）。现在，假设在 0 - 5000 之间。
我有一个包含昆虫样本的数据集，每个样本都有一个物种名称和日期。日期采用范围的形式，“从”在一列中，“到”在另一列中。我的问题是，我现在需要将每个样本的日期范围与我的时间线箱进行比较，查看范围重叠的箱，并仅对该物种进行一次计数。不是样本，而是物种，即该时间线箱中分组变量的存在。
我的数据集的示例如下所示：
species <-
c("Aphodius prodromus","Aphodius prodromus","Xestobium rufovillosum","Aphodius ater","Phyllobius calcaratus","Phyllobius calcaratus","Cercyon unipunctatus","Aphodius prodromus","Phyllobius calcaratus","Lochmaea suturalis","Micrelus ericae","Sericus brunneus")
age_older <-
c(1550,1550,1550,4100,2119,2119,4100,5000,4347,1476,3564,2567)
age_younger <-
c(400,400,400,3808,1974,1974,3808,4000,4051,867,3345,2035)
test = data.frame(species, age_older, age_younger)
一个潜在的问题是，在完整的数据集中，负年龄值将表示 1950 年之后的年份，这意味着负值越低，就越接近今天。并且将存在一些零长度年龄范围的实例（即某些日期仅代表一年，例如 3569 - 3569）。
我想要的是一个数据框，其中包含时间线图表的预定日期箱（对于本例：0 - 5000 之间），每行代表 500 年，然后是该 500 年独特昆虫物种数量的计数值切片。
所以像这样：
| 年龄_bin | 物种计数 |
|---|---|
| 0 | 235 |
| 500 | 678 |
| 1000 | 1456 |
| ... | ... |
我研究了 iRanges 包，它对于一般情况下的重叠计数似乎非常好，但我正在努力找出如何根据分组变量进行计数。
我可以使用下面的代码和 iRanges 包生成总体重叠计数：
library(IRanges)
library(plyranges) #plyranges for using dplyr
#species date ranges
ir1 = with(test, IRanges(age_younger, age_older, names = species))
#timeline bin ranges, from 0 - 5000 BP
ir2 = IRanges(start = seq(0,4501,500), end = seq(500,5000,500))
#calculating number of overlaps
overlaps <- ir2 %>% mutate(n_overlaps = count_overlaps(., ir1))
overlaps
IRanges object with 10 ranges and 1 metadata column:
start end width | n_overlaps
<integer> <integer> <integer> | <integer>
[1] 0 500 501 | 3
[2] 500 1000 501 | 4
[3] 1000 1500 501 | 4
[4] 1500 2000 501 | 5
[5] 2000 2500 501 | 3
[6] 2500 3000 501 | 1
[7] 3000 3500 501 | 1
[8] 3500 4000 501 | 4
[9] 4000 4500 501 | 4
[10] 4500 5000 501 | 1
虽然这是朝着正确方向迈出的一步，但它并没有解决我将这些重叠与独特物种数量联系起来的主要问题。非常感谢任何帮助。
从您提供的数据开始，我生成一个
binned_datatesttest_distinctunique除了计算每个容器中的物种数量之外，我还将物种名称存储为字符向量，物种之间用分号分隔。
最后，在我的分箱分析中，
age_bin_startage_bin_endtest_distinct <- test |>
dplyr::distinct()
binned_data <- tibble::tibble(
age_bin_start = c(0, seq(501, 4501, by = 500)),
age_bin_end = seq(500, 5000, by = 500),
n_distinct_species = 0,
species_in_bin = NA
)
for (i in seq_len(nrow(binned_data))) {
b_start <- binned_data[i, "age_bin_start", drop = TRUE] # `drop = TRUE` here to pull the value as a vector from the tibble
b_end <- binned_data[i, "age_bin_end", drop = TRUE]
species_in_bin <- test_distinct |>
dplyr::filter(age_younger <= b_end & age_older >= b_start) |>
dplyr::pull(species)
binned_data[i, "n_distinct_species"] <- length(species_in_bin)
binned_data[i, "species_in_bin"] <- paste(species_in_bin, collapse = ";")
}
结果：
> binned_data
# A tibble: 10 × 4
age_bin_start age_bin_end n_distinct_species species_in_bin
<dbl> <dbl> <dbl> <chr>
1 0 500 2 Aphodius prodromus;Xestobium rufovillosum
2 501 1000 3 Aphodius prodromus;Xestobium rufovillosum;Lochmaea suturalis
3 1001 1500 3 Aphodius prodromus;Xestobium rufovillosum;Lochmaea suturalis
4 1501 2000 3 Aphodius prodromus;Xestobium rufovillosum;Phyllobius calcaratus
5 2001 2500 2 Phyllobius calcaratus;Sericus brunneus
6 2501 3000 1 Sericus brunneus
7 3001 3500 1 Micrelus ericae
8 3501 4000 4 Aphodius ater;Cercyon unipunctatus;Aphodius prodromus;Micrelus ericae
9 4001 4500 4 Aphodius ater;Cercyon unipunctatus;Aphodius prodromus;Phyllobius calcaratus
10 4501 5000 1 Aphodius prodromus
我在这里使用
tibbledplyr我希望这有帮助！