建议使用adehabitat来计算交集量后,我偶然发现了一个轻微的(希望是简单的)问题。在这个库中,我使用了kerneloverlap命令,因为我需要计算交集的体积。我想知道你是否可以帮助我解决一些编程问题。我需要修改脚本以使其“批量”处理友好。我知道足够的R让自己陷入麻烦并失去理智,因为我知道某些事情应该是可能的,但无法弄清楚如何让它工作。修改代码以批量处理r
的命令是非常简单:
kerneloverlap(loc[,c("X","Y")], loc$year, lev = 90, grid=30, meth="VI", conditional=TRUE)
它从数据文件LOC取x,y坐标,由年,并且计算相交的体积为30的网格单元尺寸在利用分配90.
输入文件(请参阅下面摘录)是援助,X,Y,年和季节。对于这个例子,只有1个赛季(记住我有3个赛季)。对于这个例子,我想比较每个交叉点之间每年的一个季节。所以测试数据有2年1季和2个人。我希望能够说的是“2003年至2004年间产犊季节的动物1交叉口的体积为0.8,这表明交叠和保真度高的地方”。
我还想再比较一下季节。使得它在夏季路口动物1和越冬季节,2003年的成交量为0.04指示重叠的低水平,并没有忠诚的位置”
有些事情要记住:并非所有的人都存在每年或每个季节都活着,因此可能需要某种类型的水滴
这是我迄今为止的R脚本(它不起作用)请注意,输出没有很好地连接在一起,似乎无法得到一个编译的文件,它喜欢它告诉我什么年份,个人或季节,它是比较东西与
IDNames= levels(loc$anid)
Year = unique(loc$year)
for (i in 1:(length(IDNames))){
vi90 = kerneloverlap(loc[,c("X","Y")], loc$year, lev = 90, grid=30, meth="VI", conditional=TRUE)
}
colnames(vi)= c(paste(IDNames[i],Year[n], sep =""),paste(IDNames[i], Year[n], sep =""))
}
write.csv(vi,"VolInter_indiv.csv")
structure(list(anid = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L
), .Label = c("c_002", "c_104"), class = "factor"), X = c(276646.0514,
276485.0397, 278102.4193, 278045.4716, 278993.8807, 274834.5677,
278516.0218, 296741.8328, 299080.2451, 291874.5068, 168540.0024,
168360.8211, 169538.2299, 164538.2592, 157321.7524, 148090.3478,
140575.2442, 133369.7162, 134375.0805, 138763.5342, 232347.5137,
231989.4609, 231793.1066, 234923.4012, 233374.4531, 232256.4667,
233660.3445, 239317.3128, 246354.664, 145161.8922, 144148.7895,
145154.7652, 145399.3515, 144581.4836, 143646.7295, 145055.3165,
144613.1393, 145037.3035, 144701.2676), Y = c(2217588.648, 2216616.387,
2219879.777, 2220818.804, 2216908.127, 2220423.322, 2216589.91,
2234167.287, 2239351.696, 2232338.072, 2273737.333, 2273954.782,
2269418.423, 2271308.607, 2264694.484, 2263710.512, 2254030.274,
2253352.426, 2248644.946, 2262359.026, 2231404.821, 2229583.89,
2231700.485, 2231598.882, 2237122.967, 2233302.185, 2240092.997,
2237702.817, 2249213.958, 2261841.308, 2263064.156, 2262236.452,
2264147.03, 2263214.877, 2263336.363, 2261417.946, 2256289.995,
2256694.953, 2253352.576), year = c(2003L, 2003L, 2003L, 2003L,
2003L, 2003L, 2003L, 2003L, 2003L, 2003L, 2003L, 2003L, 2003L,
2003L, 2003L, 2003L, 2003L, 2003L, 2003L, 2003L, 2004L, 2004L,
2004L, 2004L, 2004L, 2004L, 2004L, 2004L, 2004L, 2004L, 2004L,
2004L, 2004L, 2004L, 2004L, 2004L, 2004L, 2004L, 2004L), season = structure(c(1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L), .Label = "calving", class = "factor")), .Names = c("anid",
"X", "Y", "year", "season"), class = "data.frame", row.names = c(NA,
-39L))
谢谢!太棒了。我很感激你花时间来解释这些步骤。它帮助我逻辑推理其他脚本,因为我发现自己需要为各种计算执行相同的步骤。再次感谢你!虽然你可能一直在开玩笑,但我完全承认你! – Kerry
我整个上午都在测试这个脚本,并将这个批量处理的结果与一次只有一个人的数据进行比较,结果我得到了完全不同的结果。 – Kerry