如何在R语言中将3D物种概率数组转换为分物种的2D结果数组

问题背景 #

我有一个名为OccProbs的多维数组，结构为num [1:750, 1:42, 1:8099]：

• 1:750：750个物种存在概率样本
• 1:42：42个目标物种
• 1:8099：研究区的8099个像素

该数组由R语言spOccupancy包的spMsPGOcc()和predict()函数生成，对应predict()返回的$psi.0.samples。

需求是将这个3D数组拆分，得到每个物种在每个像素的样本概率均值（同时保留标准差），且像素顺序与原数组一致。之前尝试的代码报错，且无法按物种拆分：

plot.dat <- data.frame(x = Coords$Easting, 
                       y = Coords$Northing, 
                       mean.psi = apply(OccProbs, c(1,3), mean), 
                       sd.psi = apply(OccProbs, c(1,3), sd))

错误信息：arguments imply differing number of rows: 8099, 750

期望转换结果：将原3D数组拆分为多个独立的2D数组，每个对应一个物种，格式示例（以Species_A为例）：

Species_A
         [mean]     [sd]
[Pixel_1]4.666      1.699
[Pixel_2]4.666      1.247
[Pixel_3]3.000      0.816
...

解决方案 #

1. 明确维度处理逻辑 #

原数组维度为样本数×物种数×像素数，需针对每个物种，计算所有样本在每个像素上的均值和标准差。核心是按物种维度（第2维）循环，对每个物种的切片，按像素维度（第3维）统计。

2. 代码实现 #

# 获取物种总数
n_species <- dim(OccProbs)[2]

# 遍历每个物种，生成对应结果
species_results <- lapply(1:n_species, function(sp_idx) {
  # 提取当前物种的所有样本-像素数据
  sp_slice <- OccProbs[, sp_idx, ]
  # 计算每个像素的均值和标准差
  pixel_mean <- apply(sp_slice, 3, mean)
  pixel_sd <- apply(sp_slice, 3, sd)
  # 整理为数据框，保留原像素顺序
  result_df <- data.frame(mean = pixel_mean, sd = pixel_sd)
  # 设置行名为像素标识（可根据需求自定义）
  rownames(result_df) <- paste0("Pixel_", 1:length(pixel_mean))
  return(result_df)
})

# 给每个结果命名为对应物种（若有物种名称向量，可替换此处默认命名）
names(species_results) <- paste0("Species_", 1:n_species)

3. 坐标合并（可选） #

如果需要将结果与坐标结合，以第一个物种为例：

sp1_with_coords <- cbind(Coords, species_results[[1]])

4. 原代码错误原因 #

之前的apply(OccProbs, c(1,3), mean)计算的是每个样本×像素组合的均值，得到750×8099的矩阵，而Coords只有8099行，行数不匹配导致报错。正确逻辑是先按物种提取切片，再针对像素维度统计，得到长度为8099的向量，与坐标行数一致。

内容的提问来源于stack exchange，提问作者Birdman