如何将CSV导入R并转换为适配spOccupancy的三维数组？

需求 #

使用spOccupancy包运行多物种占用模型，需将检测数据转换为三维数组：

• 第一维度：物种数量
• 第二维度：样地数量
• 第三维度：单个样地的最大重复监测次数

现有数据格式 #

数据为CSV导入的data.frame，结构如下：

structure(list(Site = c("Piata", "Piata", "Piata", "Piata", "Piata"), 
               Species = c("Anas_flavirostris", "Anas_georgica", "Chloephaga_melanoptera", "Chroicocephalus_serranus", "Fulica_ardesiaca"), 
               Y.1 = c(1L, 0L, 1L, 1L, 1L), 
               Y.2 = c(0L, 1L, 1L, 0L, 1L), 
               Y.3 = c(1L, 0L, 1L, 0L, 1L)), 
          row.names = c(NA, 5L), class = "data.frame")

其中：

• Site：样地名称
• Species：物种名称
• Y.1/Y.2/Y.3：各重复监测的检测结果（0/1）

目标输出格式 #

需生成类似如下的三维数组：

Y
, , Site = Piata

                          Rep
Species                        Y1     Y2     Y3
  Anas_flavirostris            1      0      1
  Anas_georgica                0      1      0
  Chloephaga_melanoptera       1      1      1
  Chroicocephalus_serranus     1      0      0
  Fulica_ardesiaca             1      1      1

, , Site = Chimu

                           Rep
Species                        Y1     Y2     Y3
  Anas_flavirostris            0      0      NA
  Anas_georgica                1      1      NA
  Chloephaga_melanoptera       1      0      NA
  Chroicocephalus_serranus     0      1      NA
  Fulica_ardesiaca             1      1      NA

之前的错误尝试及问题 #

1. 直接用array()构造：

   DataArray <- array(c(CountDataPresence), dim = c(61,3,93))
   

   问题：维度顺序可能错误，且未处理缺失值，导致每个元素为integer数组，格式不符合要求。

2. 用pivot_longer()+xtabs()：

   df <- pivot_longer(MyData, cols= -c(Site, Species), names_to="rep", names_prefix="Y.", values_to="Y")
   Y <- xtabs(Y~Species+Site+rep, data=df)
   

   问题：xtabs()默认对值进行求和，若数据存在重复的Site-Species-rep组合（或未补全缺失组合），会导致输出值不是0/1/NA；且生成的是交叉表对象，不是spOccupancy要求的三维数组结构。

正确转换方法 #

使用tidyverse工具链处理，步骤如下：

1. 加载依赖包 #

library(tidyverse)

2. 数据转换完整代码 #

# 假设原始数据框名为MyData
# 1. 宽格式转长格式，统一重复监测标识
df_long <- MyData %>%
  pivot_longer(cols = -c(Site, Species), 
               names_to = "rep", 
               names_prefix = "Y.", 
               values_to = "detection") %>%
  mutate(rep = as.integer(rep))  # 将rep转为数值型，确保排序正确

# 2. 补全所有可能的Site-Species-rep组合，缺失的检测值设为NA
full_df <- df_long %>%
  expand(Site, Species, rep) %>%  # 生成所有组合
  left_join(df_long, by = c("Site", "Species", "rep"))  # 匹配原始检测值

# 3. 转换为三维数组
Y_array <- full_df %>%
  pivot_wider(id_cols = c(Species, Site), 
              names_from = rep, 
              values_from = detection) %>%
  arrange(Species, Site) %>%  # 按物种、样地排序，保证维度顺序一致
  select(-Species, -Site) %>%  # 移除分类列，保留检测值
  as.matrix() %>%
  # 构造三维数组，指定维度和维度名称
  array(dim = c(length(unique(full_df$Species)), 
                length(unique(full_df$Site)), 
                max(full_df$rep)),
        dimnames = list(Species = unique(full_df$Species),
                        Site = unique(full_df$Site),
                        Rep = paste0("Y", 1:max(full_df$rep))))

代码说明 #

• 补全缺失组合：确保每个物种在每个样地的所有重复监测次数都有记录，缺失的检测值用NA填充（符合spOccupancy对缺失数据的处理要求）。
• 维度顺序：严格按照物种→样地→重复次数的顺序构造数组，匹配spOccupancy的输入要求。
• 维度名称：添加清晰的维度标签，方便后续检查和模型运行。

内容的提问来源于stack exchange，提问作者Birdman