使用 group_by() %>% summarize() %>% mutate() 与 sf 对象的适当程序

Question

我正在开发一个用于处理 R 中 sf 对象的工作流处理脚本。sf 是对象的简单特征 class，它提供了一种处理空间数据的方法整洁的宇宙。但是，我在执行标准 group_by() %>% summarize() %>% mutate() 处理并将数据存储为 sf 时遇到了严重困难。我遇到一个问题，其中 group_by() %>% summarize() 在对象转换为数据框后与对象一起使用，但不是作为 sf.

本质上，我是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，我需要在我的新汇总 sf 数据对象中改变一个变量，该对象计算多个变量的总和并除以另一个变量。对于 sf 对象，最后一个操作会抛出错误“x 'x' 必须是数字”，但相同的操作适用于相同数据的数据帧（只是没有 geography）。我已经验证 x 是传递给 rowSums 函数的所有变量的数字。

下面是完整的代表。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，as.data.frame() 在 separate() 函数之前传递，过程成功，但这消除了对我的分析至关重要的地理位置。

谢谢大家！

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,na.rm = TRUE), 
                   SID74 = sum(SID74,na.rm = TRUE), 
                   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,into = c("ID1","ID2"),sep = 2,remove = FALSE) %>% 
  group_by(ID1) %>% 
  dplyr::summarize(AREA = sum(AREA, na.rm = TRUE), 
                   BIR74 = sum(BIR74,na.rm = TRUE), 
                   SID74 = sum(SID74,na.rm = TRUE), 
                   NWBIR74 = sum(NWBIR74,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

Answer 1

我更改了以下代码行。

mutate(stupid_var = rowSums(dplyr::select(.,'SID74':'NWBIR74'))/BIR74)

这行代码可能导致了问题。除非我遗漏了什么，否则似乎没有理由对每一行的整个列求和。所以代码被更改为删除 rowSums() 函数。 mutate 函数仍用于对每行数据执行数学运算，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,na.rm = TRUE), 
               SID74 = sum(SID74,na.rm = TRUE), 
               NWBIR74 = sum(NWBIR74,na.rm = TRUE)) %>%
               mutate( stupid_var = ( (p2$SID74) + (p2$NWBIR74)) / (p2$BIR74) )
p1

可以从这里查看输出link.

Answer 2

city_ID 被分成 2 个变量可能有一些原因，但您没有提供任何线索来说明原因。在第一个答案中，我进行了拆分，但我在这里忽略了使用那些拆分变量。

每当数据包含 sf 几何列时，该 sf 几何就会粘附在数据之后。即使数据被子集化。当存在 sf 几何时，它会导致基本列或行函数（如 sum()）出现问题。因此必须在使用求和函数之前删除该几何图形。

在第二个答案中，我使用了与答案 # 1 中相同的两个变量。nc 数据对第 8 列和第 9 列进行了子集化。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 几何图形，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

可以在此处查看输出 link:

使用 group_by() %>% summarize() %>% mutate() 与 sf 对象的适当程序

Appropriate procedure for using group_by() %>% summarize() %>% mutate() with sf objects

r

dplyr

tidyverse

sf