构建R工作流：按Plot-物种组合嵌套Subplot条件填充数据框

需求说明 #

每个主样方（Plot）内包含5个嵌套子样方（Subplot A-E，A最小，E最大）。记录的是每个物种在对应Plot中被发现的最小子样方，需要根据嵌套规则自动填充occurrence列：

• 若物种在Subplot X被记录为最小出现位置，则该物种在当前Plot的X及所有更大的子样方（X到E）的occurrence填1
• 比X小的子样方填0

示例数据 #

以下是生成示例数据集的代码：

plants <- c("plant_a","plant_b")
subplot <- c("A","B","C","D","E")

df <- data.frame(plot=rep(1:2, times=1, each=10),
                 plant=rep(plants, times=2, each=5),
                 subplot=rep(subplot, times=4),
                 occurence=NA)

# 标记每个Plot-物种组合的最小子样方位置
df[c(1,7,13,19),4] <- 1

示例中：

• Plot 1的plant_a最小出现子样方是A，因此A-E的occurrence都要填1
• Plot 1的plant_b最小出现子样方是B，因此B-E填1，A填0

解决方案 #

方法1：用dplyr实现向量化处理（高效适合大数据） #

向量化操作比循环快得多，适合处理大量物种和样方的数据集：

library(dplyr)

# 先为子样方定义层级顺序
subplot_order <- c("A", "B", "C", "D", "E")
df$subplot <- factor(df$subplot, levels = subplot_order, ordered = TRUE)

df_filled <- df %>%
  group_by(plot, plant) %>%
  # 找到当前组的最小子样方（即occurrence为1的那个）
  mutate(min_subplot = subplot[which(occurence == 1)],
         # 对比当前子样方是否大于等于最小子样方，是则填1，否则0
         occurence = if_else(subplot >= min_subplot, 1, 0)) %>%
  ungroup() %>%
  select(-min_subplot) # 移除临时列

print(df_filled)

方法2：基础R的for循环实现（符合初始思路） #

如果你更习惯用循环遍历每个Plot-物种组合，可以这样写：

# 定义子样方的层级顺序，方便比较
subplot_levels <- c("A"=1, "B"=2, "C"=3, "D"=4, "E"=5)

# 获取所有唯一的Plot-物种组合
unique_pairs <- unique(df[, c("plot", "plant")])

# 遍历每个组合
for(i in 1:nrow(unique_pairs)){
  current_plot <- unique_pairs$plot[i]
  current_plant <- unique_pairs$plant[i]
  
  # 找到当前组合的最小子样方的层级
  min_sub_level <- subplot_levels[df$subplot[df$plot == current_plot & 
                                               df$plant == current_plant & 
                                               df$occurence == 1]]
  
  # 为当前组合的所有子样方填充occurrence
  df$occurence[df$plot == current_plot & df$plant == current_plant] <- 
    as.integer(subplot_levels[df$subplot[df$plot == current_plot & df$plant == current_plant]] >= min_sub_level)
}

print(df)

两种方法都能实现需求，其中dplyr的向量化方法在处理大型数据集时效率更高，循环方法更直观，适合理解逻辑。

内容的提问来源于stack exchange，提问作者IGLane