如何基于物候类别高效重组R中植物物候观测列数据？

针对你的需求，我们可以用tidyverse工具链（主要是dplyr和tidyr）来完成，全程无需编写大量条件语句，而且能轻松适配Sample.Data和Sample.Data2这类带缺失值的数据集。核心思路是将宽格式数据转长格式→匹配编码对照表→按物种和物候类别筛选最高秩记录→转回目标宽格式。

步骤1：加载必要的包 #

首先确保你已经安装了tidyverse，如果没有的话先运行install.packages("tidyverse")：

library(tidyverse)

步骤2：通用处理函数（适配所有Sample数据集） #

我们可以把处理逻辑封装成一个函数，这样不管是Sample.Data还是Sample.Data2都能直接调用：

process_pheno_data <- function(raw_data, code_lookup) {
  raw_data %>%
    # 1. 将宽格式的Code列转为长格式，方便匹配
    pivot_longer(
      cols = starts_with("Code."),
      names_to = "code_column",
      values_to = "pheno_code"
    ) %>%
    # 2. 过滤空值（处理Sample.Data2里的空编码）
    filter(pheno_code != "") %>%
    # 3. 左连接编码对照表，匹配类别和秩
    left_join(code_lookup, by = c("pheno_code" = "Pheno Code")) %>%
    # 4. 处理不在对照表中的编码：归类为Other，设置最低秩
    mutate(
      `Pheno Category` = replace_na(`Pheno Category`, "Other"),
      Rank = replace_na(Rank, 0)
    ) %>%
    # 5. 按物种和物候类别分组，筛选每组中秩最高的记录
    group_by(Species, `Pheno Category`) %>%
    slice_max(Rank, na.rm = TRUE, with_ties = FALSE) %>%
    ungroup() %>%
    # 6. 转回宽格式，每个物候类别作为一列
    pivot_wider(
      id_cols = Species,
      names_from = `Pheno Category`,
      values_from = pheno_code,
      values_fill = NA # 没有对应类别的填充NA
    )
}

步骤3：处理你的数据集 #

直接调用函数处理Sample.Data和Sample.Data2：

# 处理Sample.Data
processed_data1 <- process_pheno_data(Sample.Data, Pheno.Codes)

# 处理Sample.Data2（包含空值和未知编码）
processed_data2 <- process_pheno_data(Sample.Data2, Pheno.Codes)

代码解释 #

• 转长格式：pivot_longer把Code.1到Code.6的列合并成两列（编码列名称和编码值），这样每条编码都单独成一行，便于和对照表匹配。
• 过滤空值：filter(pheno_code != "")自动处理Sample.Data2中的空编码，避免无效匹配。
• 左连接对照表：left_join自动根据编码匹配对应的物候类别和秩，不用担心编码顺序问题。
• 处理未知编码：用replace_na把不在对照表中的编码归类为Other，并设置秩为0，确保这类编码不会干扰最高秩的筛选。
• 筛选最高秩：slice_max(Rank)在每个物种的每个物候类别里，只保留秩最高的那条编码；with_ties = FALSE确保如果有相同秩的编码，只取第一条（你可以根据需求改成TRUE保留所有）。
• 转回宽格式：pivot_wider把处理后的长格式数据转回宽格式，每个物候类别作为一列，结果就是你需要的目标格式。

示例输出 #

以processed_data1为例，物种A的结果会是：

这里Leaf senescence取了秩更高的vd（Rank4.8），而不是g3（Rank4.3），符合你的需求。

内容的提问来源于stack exchange，提问作者Keith W. Larson