对sf对象使用group _ by()% > % summary()% > % mutate()的适当过程

Question

我正在开发一个用于处理R中的sf对象的工作流处理脚本，sf是对象的简单特征类，它提供了一种在整洁中处理空间数据的方法。但是，我在做标准group_by（）%时遇到了严重的困难

实际上，我正试图将较低层次的地理区域按较高层次的地理区域进行分组，并输出汇总变量。然后，我需要在新的summered < code > SF 数据对象中改变一个变量，该对象计算多个变量的和，然后除以另一个变量。对于< code>sf对象，最后一个操作抛出错误“x 'x '必须是数字”，但相同的操作适用于相同数据的数据框(只是没有< code>geography)。我已经验证了对于传递给< code>rowSums函数的所有变量，x都是数字。

下面是完整的reprex。在第一个示例中，您会看到对示例数据的sf版本的操作失败。在第二个示例中，使用as.data.frame（）在单独（）函数之前传递，该过程成功，但这消除了对我的分析至关重要的地理位置。

谢谢大家！

library(sf)
#> Warning: package 'sf' was built under R version 4.0.2
#> Linking to GEOS 3.8.1, GDAL 3.1.1, PROJ 6.3.1
library(tidyverse)
#> Warning: package 'ggplot2' was built under R version 4.0.2
#> Warning: package 'tibble' was built under R version 4.0.2
#> Warning: package 'tidyr' was built under R version 4.0.2
#> Warning: package 'dplyr' was built under R version 4.0.2
library(dplyr)
library(spdep)
#> Loading required package: sp
#> Loading required package: spData
#> To access larger datasets in this package, install the spDataLarge
#> package with: `install.packages('spDataLarge',
#> repos='https://nowosad.github.io/drat/', type='source')`
library(stringi)
#> Warning: package 'stringi' was built under R version 4.0.2

nc <- st_read(system.file("shapes/sids.shp", package="spData")[1], quiet=TRUE)
st_crs(nc) <- "+proj=longlat +datum=NAD27"
row.names(nc) <- as.character(nc$FIPSNO)

names(nc)
#>  [1] "CNTY_ID"   "AREA"      "PERIMETER" "CNTY_"     "NAME"      "FIPS"     
#>  [7] "FIPSNO"    "CRESS_ID"  "BIR74"     "SID74"     "NWBIR74"   "BIR79"    
#> [13] "SID79"     "NWBIR79"   "east"      "north"     "x"         "y"        
#> [19] "lon"       "lat"       "L_id"      "M_id"      "geometry"

nc %>% 
  separate(CNTY_ID,into = c("ID1","ID2"),sep = 2,remove = FALSE) %>% 
  group_by(ID1) %>% 
  dplyr::summarize(AREA = sum(AREA, na.rm = TRUE), 
                   BIR74 = sum(BIR74,na.rm = TRUE), 
                   SID74 = sum(SID74,na.rm = TRUE), 
                   NWBIR74 = sum(NWBIR74,na.rm = TRUE)
                   ) %>% 
  mutate(stupid_var = rowSums(dplyr::select(.,'SID74':'NWBIR74'))/BIR74)
#> `summarise()` ungrouping output (override with `.groups` argument)
#> Error: Problem with `mutate()` input `stupid_var`.
#> x 'x' must be numeric
#> ℹ Input `stupid_var` is `rowSums(dplyr::select(., "SID74":"NWBIR74"))/BIR74`.

class(nc$SID74)
#> [1] "numeric"
class(nc$NWBIR74)
#> [1] "numeric"
class(nc$BIR74)
#> [1] "numeric"

nc %>% 
  as.data.frame() %>% 
  separate(CNTY_ID,into = c("ID1","ID2"),sep = 2,remove = FALSE) %>% 
  group_by(ID1) %>% 
  dplyr::summarize(AREA = sum(AREA, na.rm = TRUE), 
                   BIR74 = sum(BIR74,na.rm = TRUE), 
                   SID74 = sum(SID74,na.rm = TRUE), 
                   NWBIR74 = sum(NWBIR74,na.rm = TRUE)
  ) %>% 
  mutate(stupid_var = rowSums(dplyr::select(.,'SID74':'NWBIR74'))/BIR74)
#> `summarise()` ungrouping output (override with `.groups` argument)
#> # A tibble: 5 x 6
#>   ID1    AREA  BIR74 SID74 NWBIR74 stupid_var
#>   <chr> <dbl>  <dbl> <dbl>   <dbl>      <dbl>
#> 1 18    2.53   36723    89   12788      0.351
#> 2 19    4.03  132525   203   38392      0.291
#> 3 20    3.94  111540   237   35281      0.318
#> 4 21    1.63   38117   106   14915      0.394
#> 5 22    0.494  11057    32    3723      0.340

^{创建于 2020-09-21 由 reprex 软件包 （v0.3.0）}

Answer 1

将city_ID分成两个变量可能有一些原因，但是您没有提供任何线索来说明原因。在第一个答案中我做了分割，但是我在这里忽略了使用那些分割变量。

每当数据包含sf几何列时，该sf几何是粘性的，并且会跟随数据。即使数据被子集。当存在sf几何时，它会导致基本的列或行函数（如sum（））的问题。因此，在使用和函数之前必须删除该几何。

在第二个答案中，我使用了答案#1中使用的两个变量。nc 数据为第 8 列子集化

gr_1 <- nc[, c(9:10)]
gr_1 <- st_drop_geometry(gr_1)     
rownames(gr_1) = NULL           # to remove extraneous data from gr_1

xsum <- c(rowSums(gr_1))
head(xsum)                             # displays values of xsum

可以在以下链接查看输出：

Answer 2

我对下面的代码行进行了更改。

mutate（dumby_var=rowSums（dplyr：：select（，'SID74'：'NWBIR74'））/BIR74）

这一行代码可能导致了一个问题。除非我遗漏了什么，否则似乎没有理由对每行的所有列求和。因此修改了代码，删除了rowSums()函数。mutate函数仍然用于对每行数据执行数学运算，但不涉及任何rowSums()值。

p1 <- nc %>% 
  separate(CNTY_ID,into = c("ID1","ID2"),sep = 2,remove = FALSE) %>% 
               group_by(ID1)  %>% 
               dplyr::summarize(AREA = sum(AREA, na.rm = TRUE), 
               BIR74 = sum(BIR74,na.rm = TRUE), 
               SID74 = sum(SID74,na.rm = TRUE), 
               NWBIR74 = sum(NWBIR74,na.rm = TRUE)) %>%
               mutate( stupid_var = ( (p2$SID74) + (p2$NWBIR74)) / (p2$BIR74) )
p1

可以从此链接查看输出。