如何让FSA包的depletion函数与dplyr协同实现分组计算？

DevOps 小满

2026-6-16

解决方案

方法1：用dplyr的`group_modify`（兼容多数dplyr版本）

group_modify能对每个分组的子数据框执行自定义操作，刚好适配depletion需要完整子数据框的调用要求，代码示例：

library(dplyr)
library(FSA)

df <- data.frame(site = c('site1','site1','site1','site2','site2','site2','site3','site3','site3'),
                 catch = c(30,10,3,40,12,3,10,3,1),
                 effort = c(600,550,500,800,800,700,400,425,375))

# 分组计算并整理结果
result <- df %>%
  group_by(site) %>%
  group_modify(~ {
    # 对当前分组的子数据框调用depletion
    dep_out <- depletion(.$catch, .$effort, method = 'Leslie')
    # 将函数返回的估计值转为数据框，方便合并输出
    as.data.frame(dep_out$estimates)
  })

print(result)

这里~符号内的.代表当前分组的子数据框，用.$catch和.$effort就能满足depletion的参数格式要求，最后把估计值转为数据框，会自动和site分组列合并输出。

方法2：用purrr嵌套+映射（灵活的tidyverse风格）

如果习惯purrr的函数逻辑，可先把数据按site嵌套，再对每个子数据框批量调用depletion：

library(dplyr)
library(FSA)
library(purrr)
library(tidyr)

# 嵌套数据→映射计算→展开结果
result <- df %>%
  nest(data = c(catch, effort)) %>%
  mutate(depletion_res = map(data, ~ depletion(.$catch, .$effort, method = 'Leslie')$estimates)) %>%
  unnest(depletion_res) %>%
  select(-data)

print(result)

nest把每个site对应的catch和effort打包成子数据框，map遍历这些子数据框执行计算，最后unnest把嵌套的结果展开成规整数据框。