R语言【taxlist】——get_children(),get_parents():检索分类概念的子类群或父类群

2024-01-25 21:04

本文主要是介绍R语言【taxlist】——get_children(),get_parents():检索分类概念的子类群或父类群,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Package taxlist version 0.2.4


Description

检索所查询分类单元概念的所有子概念或父概念。


Usage

get_children(taxlist, ...)## S3 method for class 'taxlist'
get_children(taxlist, ConceptID, ...)get_parents(taxlist, ...)## S3 method for class 'taxlist'
get_parents(taxlist, ConceptID, ...)

Arguments

参数【taxlist】:一个 taxlist 对象。

参数【...】:方法之间传递的进一步参数。

参数【ConcertID】:用于选择父或子或分类表子集的概念id。


Details

该方法生成 taxlist 对象的子集,包括所查询分类单元概念的所有子或父级概念。

在这些方法中可以查询多个概念。

参数【ConceptID】可以是一个概念ID的向量,或是一个输入的 taxlist 对象的子集。


Value

一个 taxlist 对象,包含所请求的概念以及父子级。


Examples

准备一个科级子集:

Ebenaceae <- subset(x = Easplist, subset = TaxonName == "Ebenaceae")
Ebenaceae
object size: 6.7 Kb 
validation of 'taxlist' object: TRUE number of taxon usage names: 1 
number of taxon concepts: 1 
trait entries: 0 
number of trait variables: 1 
taxon views: 3 hierarchical levels: form < variety < subspecies < species < complex < genus < family 
number of concepts in level form: 0
number of concepts in level variety: 0
number of concepts in level subspecies: 0
number of concepts in level species: 0
number of concepts in level complex: 0
number of concepts in level genus: 0
number of concepts in level family: 1

根据子集,去检索子概念:

Ebenaceae <- get_children(Easplist, Ebenaceae)
Ebenaceae
object size: 8.5 Kb 
validation of 'taxlist' object: TRUE number of taxon usage names: 10 
number of taxon concepts: 9 
trait entries: 0 
number of trait variables: 1 
taxon views: 3 concepts with parents: 8 
concepts with children: 3 hierarchical levels: form < variety < subspecies < species < complex < genus < family 
number of concepts in level form: 0
number of concepts in level variety: 0
number of concepts in level subspecies: 0
number of concepts in level species: 6
number of concepts in level complex: 0
number of concepts in level genus: 2
number of concepts in level family: 1

再准备一个种级子集:

Diostri <- subset(x = Easplist, subset = TaxonConceptID == 52403,slot = "relations")
Diostri
object size: 6.7 Kb 
validation of 'taxlist' object: TRUE number of taxon usage names: 1 
number of taxon concepts: 1 
trait entries: 0 
number of trait variables: 1 
taxon views: 3 hierarchical levels: form < variety < subspecies < species < complex < genus < family 
number of concepts in level form: 0
number of concepts in level variety: 0
number of concepts in level subspecies: 0
number of concepts in level species: 1
number of concepts in level complex: 0
number of concepts in level genus: 0
number of concepts in level family: 0

随即查找它的父概念:

Diostri <- get_parents(Easplist, Diostri)
Diostri
object size: 7.1 Kb 
validation of 'taxlist' object: TRUE number of taxon usage names: 3 
number of taxon concepts: 3 
trait entries: 0 
number of trait variables: 1 
taxon views: 3 concepts with parents: 2 
concepts with children: 2 hierarchical levels: form < variety < subspecies < species < complex < genus < family 
number of concepts in level form: 0
number of concepts in level variety: 0
number of concepts in level subspecies: 0
number of concepts in level species: 1
number of concepts in level complex: 0
number of concepts in level genus: 1
number of concepts in level family: 1

这篇关于R语言【taxlist】——get_children(),get_parents():检索分类概念的子类群或父类群的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/644606

相关文章

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

认识、理解、分类——acm之搜索

普通搜索方法有两种:1、广度优先搜索;2、深度优先搜索; 更多搜索方法: 3、双向广度优先搜索; 4、启发式搜索(包括A*算法等); 搜索通常会用到的知识点:状态压缩(位压缩,利用hash思想压缩)。

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

【VUE】跨域问题的概念,以及解决方法。

目录 1.跨域概念 2.解决方法 2.1 配置网络请求代理 2.2 使用@CrossOrigin 注解 2.3 通过配置文件实现跨域 2.4 添加 CorsWebFilter 来解决跨域问题 1.跨域概念 跨域问题是由于浏览器实施了同源策略,该策略要求请求的域名、协议和端口必须与提供资源的服务相同。如果不相同,则需要服务器显式地允许这种跨域请求。一般在springbo

C语言 | Leetcode C语言题解之第393题UTF-8编码验证

题目: 题解: static const int MASK1 = 1 << 7;static const int MASK2 = (1 << 7) + (1 << 6);bool isValid(int num) {return (num & MASK2) == MASK1;}int getBytes(int num) {if ((num & MASK1) == 0) {return

MiniGPT-3D, 首个高效的3D点云大语言模型,仅需一张RTX3090显卡,训练一天时间,已开源

项目主页:https://tangyuan96.github.io/minigpt_3d_project_page/ 代码:https://github.com/TangYuan96/MiniGPT-3D 论文:https://arxiv.org/pdf/2405.01413 MiniGPT-3D在多个任务上取得了SoTA,被ACM MM2024接收,只拥有47.8M的可训练参数,在一张RTX

如何确定 Go 语言中 HTTP 连接池的最佳参数?

确定 Go 语言中 HTTP 连接池的最佳参数可以通过以下几种方式: 一、分析应用场景和需求 并发请求量: 确定应用程序在特定时间段内可能同时发起的 HTTP 请求数量。如果并发请求量很高,需要设置较大的连接池参数以满足需求。例如,对于一个高并发的 Web 服务,可能同时有数百个请求在处理,此时需要较大的连接池大小。可以通过压力测试工具模拟高并发场景,观察系统在不同并发请求下的性能表现,从而

C语言:柔性数组

数组定义 柔性数组 err int arr[0] = {0}; // ERROR 柔性数组 // 常见struct Test{int len;char arr[1024];} // 柔性数组struct Test{int len;char arr[0];}struct Test *t;t = malloc(sizeof(Test) + 11);strcpy(t->arr,

C语言指针入门 《C语言非常道》

C语言指针入门 《C语言非常道》 作为一个程序员,我接触 C 语言有十年了。有的朋友让我推荐 C 语言的参考书,我不敢乱推荐,尤其是国内作者写的书,往往七拼八凑,漏洞百出。 但是,李忠老师的《C语言非常道》值得一读。对了,李老师有个官网,网址是: 李忠老师官网 最棒的是,有配套的教学视频,可以试看。 试看点这里 接下来言归正传,讲解指针。以下内容很多都参考了李忠老师的《C语言非