分组变量的子集选择及松鼠行为占比计算方法咨询

嘿，我来帮你搞定这个问题！看起来你需要计算每只松鼠的各行为观测占比（也就是每种行为的次数除以该松鼠的总观测数），同时还要处理分组子集的选择，下面我用两种生态学家常用的数据分析工具来给你演示具体做法：

dplyr的分组操作非常适合这类需求，步骤清晰易读：

• 首先确保你已经安装了dplyr包，如果没有的话先运行install.packages("dplyr")
• 读取数据（假设你的数据是制表符分隔，可根据实际调整sep参数）：

squirrel_data <- read.table("sq.txt", header = TRUE, sep = "\t")

• 计算行为占比的核心代码：

library(dplyr)

# 按松鼠ID分组，先计算每只松鼠的总观测数，再按行为细分计算占比
squirrel_proportions <- squirrel_data %>%
  group_by(squirrel_id) %>%
  mutate(total_obs = n()) %>%  # 给每条记录添加所属松鼠的总观测次数
  group_by(squirrel_id, behaviour, .add = TRUE) %>%  # 在松鼠分组基础上，再按行为分组
  summarise(
    behaviour_count = n(),
    proportion = behaviour_count / first(total_obs)  # 计算当前行为的占比
  ) %>%
  ungroup()

• 子集选择示例：比如只保留总观测数≥50的松鼠，或者只看特定行为

# 示例1：筛选总观测数不少于50的松鼠
filtered_proportions <- squirrel_data %>%
  group_by(squirrel_id) %>%
  mutate(total_obs = n()) %>%
  filter(total_obs >= 50) %>%  # 这里加入筛选条件
  group_by(squirrel_id, behaviour, .add = TRUE) %>%
  summarise(
    behaviour_count = n(),
    proportion = behaviour_count / first(total_obs)
  ) %>%
  ungroup()

# 示例2：只提取feeding行为的占比数据
feeding_proportions <- squirrel_proportions %>%
  filter(behaviour == "feeding")

如果你习惯用Python，pandas同样能高效完成这个任务：

• 读取数据（同样根据实际分隔符调整sep）：

import pandas as pd

squirrel_data = pd.read_csv("sq.txt", sep="\t")

• 计算行为占比的核心代码：

# 用transform给每条记录添加所属松鼠的总观测数
squirrel_data["total_obs"] = squirrel_data.groupby("squirrel_id")["behaviour"].transform("count")

# 按松鼠ID和行为分组，统计次数并计算占比
squirrel_proportions = squirrel_data.groupby(["squirrel_id", "behaviour"]).agg(
    behaviour_count=("behaviour", "count"),
    proportion=("total_obs", lambda x: len(x) / x.iloc[0])
).reset_index()

• 子集选择示例：

# 示例1：筛选总观测数≥50的松鼠的占比数据
subset_data = squirrel_data[squirrel_data["total_obs"] >= 50]
subset_proportions = subset_data.groupby(["squirrel_id", "behaviour"]).agg(
    behaviour_count=("behaviour", "count"),
    proportion=("total_obs", lambda x: len(x) / x.iloc[0])
).reset_index()

# 示例2：只保留territorial行为的记录
territorial_proportions = squirrel_proportions[squirrel_proportions["behaviour"] == "territorial"]

核心思路其实很简单：先给每条记录绑定其所属松鼠的总观测次数，再按「松鼠+行为」的组合分组统计次数，最后用行为次数除以总观测数得到占比。子集筛选只需要在合适的步骤加入过滤条件即可，非常灵活。

内容的提问来源于stack exchange，提问作者Blundering Ecologist