r - 如何结合连续两年的冬季

我有一个跨过几年的几种物种的计数数据。我只想看看冬季每年每种物种的丰度动态。问题是冬季跨度超过两年，分别是明年的11月，12月和明年1月。现在，我想将连续两年中每种冬季的丰富度相结合，并进行一些分析。例如，我想在第一轮中将2005年11月至12月和2006年1月的子集进行子集并对此进行一些分析，然后在第二轮中就想要对2006年11月至12月和2007年1月的子集进行子集，然后重复相同的分析，依此类推....如何在R中做到这一点？

这是数据的一个例子

date    species year    month   day abundance   temp
9/3/2005    A   2005    9   3   3   19
9/15/2005   B   2005    9   15  30  16
10/4/2005   A   2005    10  4   24  12
11/6/2005   A   2005    11  6   32  14
12/8/2005   A   2005    12  8   15  13
1/3/2005    A   2006    1   3   64  19
1/4/2006    B   2006    1   4   2   13
2/10/2006   A   2006    2   10  56  12
2/8/2006    A   2006    1   3   34  19
3/9/2006    A   2006    1   3   64  19

最佳答案

我将日期列转换为日期类（可能使用lubridate），并删除年月日列，因为它们是多余的。

然后使用季节性年份（定义为年份，除非月份为1月，否则为上一年）创建一个新列。用case_when构成的另一列定义行的季节。

library(dplyr)
library(lubridate)

# converts to date format
df$date <- mdy(df$date)

# add in columns
df <- mutate(df,
       season_year = ifelse(month(date) == 1, year(date) - 1, year(date)),
       season = case_when(
        month(date) %in% c(2, 3, 4) ~ "Spring",
        month(date) %in% c(5, 6, 7) ~ "Summer",
        month(date) %in% c(8, 9, 10) ~ "Autumn",
        month(date) %in% c(11, 12, 1) ~ "Winter",
        T ~ NA_character_
       ))

#          date species abundance temp season_year season
# 1  2005-09-03       A         3   19        2005 Autumn
# 2  2005-09-15       B        30   16        2005 Autumn
# 3  2005-10-04       A        24   12        2005 Autumn
# 4  2005-11-06       A        32   14        2005 Winter
# 5  2005-12-08       A        15   13        2005 Winter
# 6  2005-01-03       A        64   19        2004 Winter
# 7  2006-01-04       B         2   13        2005 Winter
# 8  2006-02-10       A        56   12        2006 Spring
# 9  2006-02-08       A        34   19        2006 Spring
# 10 2006-03-09       A        64   19        2006 Spring

然后，您可以group_by()和/或filter()数据进行进一步分析：

df %>%
  group_by(season_year) %>%
  filter(season == "Winter") %>%
  summarise(count = sum(abundance))

# # A tibble: 2 x 2
#   season_year count
#         <dbl> <int>
# 1        2004    64
# 2        2005    49