Soustraction d'une liste d'espèces avec conditions

[germain vital]

Bonjour à tous,

Je travaille sur un jeu de données avec des mousses et des hépatiques échantillonnées le long d'un gradient altitudinal. 11 altitudes ont été échantillonnées entre 350m et 2750m (tout les 200m).

La gamme altitudinale d'une espèce est définis comme l'aire entre l'altitude minimum et l'altitude maximum où celle-ci a été retrouvé. Pour ce faire, le postulat qu'une espèce est forcément présente entre ce minimum et ce maximum est nécessaire. Ce que j'aimerais est donc de vérifier que cela ne soit pas trop fort de café.

Je cherche donc (voir l'exemple de jeu de donné reproductible ci-dessous) à retrouver les espèces qui sont absente de TOUTES les altitudes entre leur maximum et minimum.

Cela sera peut être plus claire avec un exemple (1 présente 0 absente) :

350 m 550m 750m 950m 1150m
espèces A : 0 1 1 0 1
espèce B : 1 0 0 0 1
espèce C : 0 0 1 1 1

Dans cet exemple, je souhaite retrouver l'espèce B. Seulement, j'ai du mal à avoir un code afin d'arriver à cela. J'ai pensé à quelque chose de la sorte if_else(espèce, si la somme entre 1er "1" et dernier "1" = 0, alors considérer cette espèce). Mais je ne vois vraiment pas comment écrire cela.

J'espère que j'ai été assez claire dans mes explications, ci-contre un code reproductible (où ici AEROSUBPM est la catégorie d'espèce recherchée) :

Code : Tout sélectionner

> PA_brk%>%
+   dplyr::select(1:6)%>%
+   slice(1:10)%>%
+   dput()
structure(list(alti = c(350, 550, 750, 950, 1150, 1350, 1550,
1750, 1950, 2150), ACROEMER = c(0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L,
0L, 0L), ACROMEGA = c(0, 1, 1, 1, 1, 0, 1, 0, 0, 0), AEROSUBPM = c(0,
1, 0, 1, 0, 0, 0, 0, 0, 0), AMAZDIPL = c(0, 0, 0, 0, 1, 0, 0,
0, 0, 0), ANASAURI = c(0, 0, 1, 0, 0, 0, 1, 0, 1, 0)), row.names = c(NA,
-10L), class = "data.frame")


Merci d'avance pour votre aide !

[Florent Aubry]

Ton critère n'est pas clair et semble même paradoxal. Il faudrait que tu précises chaque variable.

Autre question : pourquoi utiliser un code lourd et plutôt abscons alors que ton exemple s'écrit simplement comme suit :

Code : Tout sélectionner

dput( PA_brk[1:10,1:6])

?

[germain vital]

Mon critère de ? Paradoxal à quel niveau ?

J'ai en variable : l'altitude nommé "alti" représentant, dans le sous jeu de données fournit, 10 des 13 altitudes échantillonnés (tout les 200m d'un gradient altitudinal). Ensuite, j'ai les noms (ici des codes 4 premières du genre et 4 de l'espèce) de mes espèces (6 espèces sur un total de 246). Dans les cellules codées en 1 la présence de l'espèce à cette altitude, et en 0 sont absence.

Réponse à votre autre question : Il n'y a pas de raison particulière

[Pierre-Yves Berrard]

Il faut donc repérer les lignes qui suivent le motif suivant :

[suite de zéros, ou rien] 1 [suite de zéros, ou rien] 1 [suite de zéros, ou rien]

C'est ça ?

[Michaël Delorme]

Plus facile au format long : on ne garde que les données dans l'intervalle min-max (exclus) et on compte les 0

Code : Tout sélectionner

pa_brk <-
  structure(
    list(
      alti = c(350, 550, 750, 950, 1150, 1350, 1550,
               1750, 1950, 2150),
      ACROEMER = c(0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L,
                   0L, 0L),
      ACROMEGA = c(0, 1, 1, 1, 1, 0, 1, 0, 0, 0),
      AEROSUBPM = c(0,
                    1, 0, 1, 0, 0, 0, 0, 0, 0),
      AMAZDIPL = c(0, 0, 0, 0, 1, 0, 0,
                   0, 0, 0),
      ANASAURI = c(0, 0, 1, 0, 0, 0, 1, 0, 1, 0)
    ),
    row.names = c(NA,
                  -10L),
    class = "data.frame"
  )

pa_brk %>%
  pivot_longer(-1, names_to = "espece", values_to = "presence") %>%
  group_by(espece) %>%
  filter(alti < max(alti[presence == 1]), alti > min(alti[presence == 1])) %>%
  summarise(nodata = sum(presence) == 0) %>%
  filter(nodata) %>%
  select(espece)

[Pierre-Yves Berrard]

Un variante à la proposition de Michaël, en observant que les espèces à repérer auront toujours deux 1.

Code : Tout sélectionner

pa_brk %>%
  pivot_longer(-1, names_to = "espece", values_to = "presence") %>%
  group_by(espece) %>%
  summarise(sum_presence = sum(presence)) %>%
  filter(sum_presence == 2) %>%
  select(espece)

[Pierre-Yves Berrard]

Et la même idée sans {tidyverse} :

Code : Tout sélectionner

fort_de_cafe <- sapply(pa_brk[-1], function(x) sum(x) == 2)

#> ACROEMER  ACROMEGA AEROSUBPM  AMAZDIPL  ANASAURI
#>    FALSE     FALSE      TRUE     FALSE     FALSE

[Michaël Delorme]

Belle concision...

[germain vital]

Effectivement je n'avais pas pensé à cette technique de sélectionner qu'uniquement l'intérieur des intervalles sans les limites et d'en faire la somme ! Merci beaucoup pour votre aide !

Petite question, le "-1" quand il s'agit de sélectionner la colonne veut dire toutes les colonnes sauf la première ?

[Mickael Canouil]

Bonjour,

le -1 ici consiste à exclure le premier élément de la liste, dans le cas d'un data.frame (une liste dont les éléments font la même dimensions), cela exclue la colonne dont l'indice est 1.

Et la même idée sans {tidyverse} :

Code : Tout sélectionner

fort_de_cafe <- sapply(pa_brk[-1], function(x) sum(x) == 2)

#> ACROEMER  ACROMEGA AEROSUBPM  AMAZDIPL  ANASAURI
#>    FALSE     FALSE      TRUE     FALSE     FALSE

pour faire encore plus court (pas forcément plus performant selon le jeu de données) :

Code : Tout sélectionner

colSums(pa_brk[-1]) == 2
#>  ACROEMER  ACROMEGA AEROSUBPM  AMAZDIPL  ANASAURI 
#>     FALSE     FALSE      TRUE     FALSE     FALSE  

Cordialement,

[Pierre-Yves Berrard]

[digression]
@Mickael : par curiosité, tu as un exemple ou colSums serait moins performant que sapply(., sum) ?
[\digression]

[Mickael Canouil]

Dans le cas présent par exemple.

colSums est plus efficace sur des matrices.
J'en profite pour glisser le vapply.

Code : Tout sélectionner

pa_brk <- structure(
  list(
    alti = c(350, 550, 750, 950, 1150, 1350, 1550, 1750, 1950, 2150),
    ACROEMER = c(0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L),
    ACROMEGA = c(0, 1, 1, 1, 1, 0, 1, 0, 0, 0),
    AEROSUBPM = c(0, 1, 0, 1, 0, 0, 0, 0, 0, 0),
    AMAZDIPL = c(0, 0, 0, 0, 1, 0, 0, 0, 0, 0),
    ANASAURI = c(0, 0, 1, 0, 0, 0, 1, 0, 1, 0)
  ),
  row.names = c(NA, -10L),
  class = "data.frame"
)

Code : Tout sélectionner

plot(bench::mark(
  vapply = vapply(pa_brk[-1], function(x) sum(x) == 2, logical(1)),
  sapply = sapply(pa_brk[-1], function(x) sum(x) == 2),
  colSums = colSums(pa_brk[-1]) == 2
))

Code : Tout sélectionner

pa_brk1 <- as.matrix(pa_brk[-1])
plot(bench::mark(
  apply = apply(pa_brk1, 2, function(x) sum(x) == 2),
  colSums = colSums(pa_brk1) == 2
)) 

[Pierre-Yves Berrard]

Merci pour cette réponse détaillée !