續(xù)標(biāo)題：match_phylo_comm、mean_dist（沒(méi)弄懂）、nodepie（也是白瞎)、optimal_phyloregion

#方便自己回來(lái)復(fù)習(xí)的個(gè)人學(xué)習(xí)記錄，僅供參考，如有錯(cuò)誤，請(qǐng)多指正??

indicators? 指示物種列表

該函數(shù)將KL-divergence方法應(yīng)用于研究區(qū)的指示種列表。

KL-divergence又叫相對(duì)熵(relative entropy)，衡量?jī)蓚€(gè)概率分布之間的不同程度。

示例：

data(africa)

之前也有看africa這個(gè)數(shù)據(jù)集里有些什么，這個(gè)theta對(duì)應(yīng)了一個(gè)表，但是目前還不知道是怎么來(lái)的（不知道后面有沒(méi)有）

indsp <- indicators(africa$theta, top_indicators = 5,options = "max", method = "poisson")

（數(shù)據(jù)，取前5個(gè)指示物種，選項(xiàng)“max”選擇一個(gè)系統(tǒng)區(qū)域相對(duì)于所有其他系統(tǒng)區(qū)域最大KL差異的物種【min的時(shí)候相反】，方法為泊松分布【可為"bernoulli"伯努利分布】，shared默認(rèn)FALSE【即不列出多個(gè)系統(tǒng)區(qū)域的頂級(jí)物種驅(qū)動(dòng)模式】）

long2sparse? 生成物種矩陣以及一系列的格式轉(zhuǎn)換

這些函數(shù)將群落數(shù)據(jù)轉(zhuǎn)換為壓縮的稀疏矩陣、密集矩陣和長(zhǎng)格式(如物種記錄)。

long2sparse(x, grids = "grids", species = "species")

sparse2long(x)

dense2sparse(x)

sparse2dense(x)

long2dense(x)

dense2long(x)

示例：

data(africa)

africa$comm[1:5, 1:20]

這部分的幾個(gè)命令就是根據(jù)數(shù)據(jù)生成africa里comm那樣的矩陣，上面兩行將comm的部分?jǐn)?shù)據(jù)提取出來(lái)。

long <- sparse2long(africa$comm)

long[1:5, ]

轉(zhuǎn)換格式并提取一部分，這里相當(dāng)于是給我們看形成矩陣的原始數(shù)據(jù)吧，直接截圖看一下long

下拉了一下看了一下，這個(gè)表格第一列指柵格，第二列為物種名，沒(méi)一個(gè)物種列出所有分布柵格后，列下一個(gè)物種的分布。

sparse <- long2sparse(long)

再轉(zhuǎn)換回矩陣

all.equal(africa$comm, sparse)

判斷是否等效，返回為“TRUE”說(shuō)明上面的來(lái)回轉(zhuǎn)換并沒(méi)有使其發(fā)生改變

dense_comm <- matrix(c(1,0,1,1,0,0,

????????????????????????????????????????1,0,0,1,1,0,

????????????????????????????????????????1,1,1,1,1,1,

????????????????????????????????????????0,0,1,1,0,1), 6, 4,

????????????????????????????????????????dimnames=list(paste0("g",1:6), paste0("sp", 1:4)))

dense_comm

生成了一個(gè)矩陣

sparse_comm <- dense2sparse(dense_comm)

sparse_comm

轉(zhuǎn)換成了稀疏矩陣

sparse2long(sparse_comm)

也是一步轉(zhuǎn)換

map_trait? 將物種信息添加到地理地塊中

直接示例吧：

x <- EDGE(africa$IUCN, africa$phylo, Redlist = "IUCN", species="Species")

給植物的瀕危和獨(dú)特性評(píng)分的，（3）里有介紹，返回的是物種跟評(píng)分對(duì)應(yīng)的表。

y <- map_trait(africa$comm, x, FUN = sd, shp=africa$polys)

map_trait（各個(gè)柵格對(duì)應(yīng)的矩陣，對(duì)應(yīng)上上面的評(píng)分，對(duì)評(píng)分進(jìn)行柵格內(nèi)的物種計(jì)算【sd估計(jì)是標(biāo)準(zhǔn)差，sum是總和，這里沒(méi)用】，然后在對(duì)應(yīng)到fishnet地圖上去。）內(nèi)容存在y變量中，x的數(shù)據(jù)經(jīng)過(guò)計(jì)算對(duì)應(yīng)到地塊最終儲(chǔ)存在y$traits里。

plot_swatch(y, y$traits,col = hcl.colors(n=20, palette = "Blue-Red 3", rev=FALSE))

繪制變量的顏色映射圖，hcl.colors（）形成了一個(gè)梯度20的顏色向量。

match_phylo_comm? 匹配phylo和comm

顧名思義，就是對(duì)比匹配這兩個(gè)數(shù)據(jù)集的，因?yàn)閜hylo有可能不全，有些物種的系統(tǒng)發(fā)生位置并沒(méi)有確定，但是研究區(qū)域里有這些物種。這個(gè)函數(shù)通過(guò)匹配后找出，在屬水平上進(jìn)行修剪便于后續(xù)的研究。

示例：

用法里match_phylo_comm(phy, comm, delete_empty_rows = TRUE)

delete_empty_rows?= TRUE? 意思是刪除不需要的觀察行，應(yīng)該指沒(méi)匹配上的刪掉，強(qiáng)行剪齊，如果要添加信息到phylo里面應(yīng)該得用其他的方式。

mean_dist? ?完全沒(méi)弄懂……

nodepie? 用餅圖標(biāo)記系統(tǒng)發(fā)育節(jié)點(diǎn)

目的很明確，但是用法沒(méi)講清楚，也沒(méi)有示例。

nodepie( pie, radius = 2, pie_control = list(), legend = FALSE, col = hcl.colors(5), ... )

pie 為根據(jù)祖先的重建估計(jì)，radius餅圖半徑，list（）不知道是需要怎樣的一個(gè)列表。

兩個(gè)重要輸入不知道是啥樣的，后面似乎沒(méi)有相關(guān)內(nèi)容了，不過(guò)這不是關(guān)鍵步驟就是了。

optimal_phyloregion? 確定類(lèi)群劃分最佳方式

再次感慨示例的重要性：

bc <- beta_diss(africa$comm)

將Matrix數(shù)據(jù)處理便于后續(xù)?"sorensen"或 "jaccard"的計(jì)算，中間步驟的輔助函數(shù)。

(d <- optimal_phyloregion(bc[[1]]))

根據(jù)計(jì)算的系統(tǒng)發(fā)育β多樣性矩陣得到各柵格的系統(tǒng)發(fā)育獨(dú)特性指標(biāo)與距離矩陣，根據(jù)矩陣聚類(lèi)，劃分生物地理分區(qū)，選擇最佳的分區(qū)數(shù)目。最外面的括號(hào)加上就會(huì)直接打印出d，不加就不會(huì)打印。

k：劃分的類(lèi)群

totbss：類(lèi)群間距離總平方和

tss：數(shù)據(jù)間的總平方和

ev: 給定k的被解釋期望方差

plot(d$df$k, d$df$ev, ylab = "Explained variances",xlab = "Number of clusters")

畫(huà)了分群數(shù)和期望方差的散點(diǎn)圖

lines(d$df$k[order(d$df$k)], d$df$ev[order(d$df$k)], pch = 1)

散點(diǎn)圖點(diǎn)之間連上了線

points(d$optimal$k, d$optimal$ev, pch = 21, bg = "red", cex = 3)

把最佳的劃分方案標(biāo)紅點(diǎn)

points(d$optimal$k, d$optimal$ev, pch = 21, bg = "red", type = "h")

并在那個(gè)位置畫(huà)條垂直線