3

Tengo un df del tipo

df1

df1 <- data.frame("ID_Sitio" = c("ES022", "ES023", "ES024", "ES022", "ES023", "ES024"),
              ID_Individuo = c("001", "002", "005", "011", "022", "055"),
              fecha = c("01-01-2001", "02-01-2001", "03-01-2001", "01-01-2001", "02-01-2001", "03-01-2001"),
              stringsAsFactors = F)


ID_Sitio     ID_Individuo    fecha           
ES022        001             01-01-2001
ES023        002             02-01-2001
ES024        005             03-01-2001
ES022        011             01-01-2001
ES023        022             02-01-2001
ES024        055             03-01-2001

Quiero crear un nueva variable que se llame ID_Fecha, que cuando ID_sitio y fecha sean iguales, les ponga 1, 2, 3, de tal manera que el resultado final sea

df2

ID_Sitio     ID_Individuo    fecha           ID_fecha          
ES022        001             01-01-2001       1 #Todos los 1 corresponderán al ES022, fecha 01-01-2001
ES023        002             02-01-2001       2  
ES024        005             03-01-2001       3
ES022        011             01-01-2001       1
ES023        022             02-01-2001       2
ES024        055             03-01-2001       3

¿Cómo lo hago? He visto que a lo mejor debería calcular el número de intervalos y la amplitud de los datos (https://www.youtube.com/watch?v=ZEv8NT46A4M), pero no sé cómo aplicarlo a cuando quiero hacer la agrupación por dos variables distintas. De momento lo único que he hecho es ordenar de manera ascendente la fecha y el ID_sitio...

Luego debo determinar cuántos individuos hay por categoría, pero creo que haciendo una tabla de frecuencias absolutas se resolvería.

Gracias nuevamente!

3 respuestas 3

4

Primero replicamos tus datos:

df1 <- data.frame("ID_Sitio" = c("ES022", "ES023", "ES024", "ES022", "ES023", "ES024"),
              ID_Individuo = c("001", "002", "005", "011", "022", "055"),
              fecha = c("01-01-2001", "02-01-2001", "03-01-2001", "01-01-2001", "02-01-2001", "03-01-2001"),
              stringsAsFactors = F)

Después creamos un data frame temporal que nos devuelva las combinaciones únicas de ID_Sitio y fecha

df1Work <- df1[!duplicated(df1[, c("ID_Sitio", "fecha")]), c("ID_Sitio", "fecha")]

Asignamos un valor único a cada unda de estas combinaciones:

df1Work <- data.frame(df1Work, ID_Fecha = c(1:dim(df1Work)[1]))

Lo juntamos con el data frame original:

df2 <- merge(df1, df1Work, by = intersect(names(df1), names(df1Work)), all.x = T)

Y tenemos el resultado:

df2
     ID_Sitio   fecha           ID_Individuo  ID_Fecha
1    ES022      01-01-2001      001           1
2    ES022      01-01-2001      011           1
3    ES023      02-01-2001      002           2
4    ES023      02-01-2001      022           2
5    ES024      03-01-2001      005           3
6    ES024      03-01-2001      055           3
2
  • Muchisimas gracias Javier! Funciona perfecto! Sólo una cosa más, no entiendo muy bien la línea del merge, pues nunca había usado el by=intersect(names(x), names(y)). Me podrías explicar por si acaso? Nuevamente muchas gracias!!!!!
    – Caro
    Commented el 11 sept. 2018 a las 12:25
  • 1
    La función merge(x, y, by = c("aa", "bb")) busca coincidencias entre las tablas x e y, en las columnas con nombre "aa" y "bb"; y une las filas de los data frame x e y en las que coinciden los valores en esas columnas. La funcion intersect(a,b), siendo a y b vectores, devuelve aquellos valores que aparecen en ambos vectores.
    – Javier
    Commented el 11 sept. 2018 a las 12:41
4

Usando tidyverse la solución es bastante sencilla y clara:

library(tidyverse)

# Generamos un tabla con los grupos y
# un id numérico para cada uno
df1 %>%
    group_by(ID_Sitio, fecha) %>% 
    summarize() %>%
    rowid_to_column("grupo") -> grupos

# Combinamos el df original con el de los grupos
df1 %>%
    left_join(grupos)

  ID_Sitio ID_Individuo      fecha grupo
1    ES022          001 01-01-2001     1
2    ES023          002 02-01-2001     2
3    ES024          005 03-01-2001     3
4    ES022          011 01-01-2001     1
5    ES023          022 02-01-2001     2
6    ES024          055 03-01-2001     3
3
  • Al generar la tabla con los grupos y un ID para c/u me sale el error "Error in quickdf(.data[names(cols)]) : length(rows) == 1 is not TRUE". A qué puede deberse?
    – Caro
    Commented el 14 sept. 2018 a las 9:15
  • Por que seguramente hayas cargado también plyr eso provoca varios conflictos, no uses plyr y dplyr de forma combinada Commented el 14 sept. 2018 a las 14:17
  • de cada grupo he sacado las frecuencias y ahora debo tomar aquellos que tengan una frecuencia <=10 y redistribuirlos en cualquier otro grupo, de tal manera que todos tengan una freq >10. Tienes alguna sugerencia de cómo hacerlo? Había pensado df1$grupo2<-ifelse(freq<=10, grupo+1, grupo), pero el problema es que no siempre sumándole 1 a "grupo", tendré un grupo con freq>10...
    – Caro
    Commented el 6 mar. 2019 a las 8:55
3

Existe otra forma un poco mas sencilla de hacerlo con dplyr, usando la función group_indices()

df1 <- data.frame("ID_Sitio" = c("ES022", "ES023", "ES024", "ES022", "ES023", "ES024"),
                  ID_Individuo = c("001", "002", "005", "011", "022", "055"),
                  fecha = c("01-01-2001", "02-01-2001", "03-01-2001", "01-01-2001", "02-01-2001", "03-01-2001"),
                  stringsAsFactors = F)


library(dplyr)

df1$ID_Fecha<-df1%>%group_indices(ID_Sitio, fecha)
df1
  ID_Sitio ID_Individuo      fecha ID_Fecha
1    ES022          001 01-01-2001        1
2    ES023          002 02-01-2001        2
3    ES024          005 03-01-2001        3
4    ES022          011 01-01-2001        1
5    ES023          022 02-01-2001        2
6    ES024          055 03-01-2001        3

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.