R语言实践——U.Taxonstand标准化动植物科学名

简介

U.Taxonstand是近期在Plant Diversity期刊上发表的一个R语言包。用于标准化（实际上更应该是通过与国际大型数据库中的接受名进行比较）动植物科学名。本文将根据该库在github上的示例文档来实践操作一下U.Taxonstand。之后会对原始文献里的示例进行重复。

准备工作

支持包的安装：openxlsx、plyr、magrittr

install.packages("openxlsx")
install.packages("plyr")
install.packages("magrittr")

openxlsx用于读取xlsx文件。该文献中检索的数据库皆为xlsx文件。

plyr和magrittr是该文献发表的U.Taxonstand的支持包。

U.Taxonstand安装

博主使用install.packages(“U.Taxonstand”)并未安装成功。

方法1：GitHub

文中提及：U.Taxonstand可在GitHub上开放获取，链接如下：https://github.com/ecoinfor/U.Taxonstand
在网站上下载了zip文件后，直接安装

install.packages("D:/ALL_Softwares/R-4.2.0/U.Taxonstand-main.zip")

博主这里仍是安装失败。因为不擅长使用R，所以使用了第2种方法

方法2：devtools

另外，也可通过devtools包的install_github函数安装，操作如下：

> library("usethis")
> library("devtools")
> install_github("ecoinfor/U.Taxonstand")

随即会让选择安装选项，博主选择1，也就All

等待安装完成后，进行测试。

测试

原始文献的示例有文档，暂不考虑，github上文档示例较为简单，优先实践

参照github文档测试

1. 加载U.Taxonstand

library(U.Taxonstand)

2. 加载示例数据库

data(databaseExample)

从目录中可以看到，加载是U.Taxonstand自带的示例数据库。 也可以根据自己需要创建特定生物类群的数据库。


可以看到示例数据库中有超10万条数据。

3. 待查科学名以向量字符输入（character vector)

sps <- c("Syntoma comosum (L.) Dalla Torre & Sarnth.", "Turczaninowia fastigiata (Fisch.) DC.",
"Zizyphora abd-el-asisii Hand.-Mazz.")

GitHub的示例科学名很少，仅有3个。在原始文献示例中则通过读取xlsx文件的方式输入大量待查询学名。

4. nameMatch函数使用

nameMatch(spList=sps, spSource=databaseExample, author = TRUE, max.distance= 1)

运行结果如下：

5. 结果解读

上图中，nameMatch函数输出了一个包含22个条目的结果。根据原始文献，这些条目依次的含义为：

column	含义
Sorter	序列号，如果用户没有为待查科学名数据指定此列，在导入R后会自动生成
Submitted_Name	待查科学名数据的物种科学名
Submitted_Author	待查科学名数据的物种命名人
Submitted_Genus	待查科学名数据的物种属名
Submitted_Rank	待查科学名数据的分类等级
Name_in_database	数据库中对应的物种科学名
Author_in_database	数据库中对应的物种命名人
Genus_in_database	数据库中对应的物种属名
Rank_in_database	数据库中对应的物种分类等级
ID_in_database	数据库中对应的物种ID
Name_set	如果用户查找的物种仅在数据库中找到了1个匹配，该值为1；如果有多个匹配，该值为1，2，3…顺序排列的匹配值。如果没有匹配，该值为1。该值序号为1的匹配项即为该物种名本身。
Fuzzy	'True’表示部分或整体使用了模糊匹配。'False’表示未用模糊匹配。
Score	匹配评分。当提交的科学名带命名人时，该值从1到0；当提交的科学名缺少命名人时，该值从0.8至0。该值越大说明匹配越好。
name.dist	提交的科学名与数据库中匹配科学名的距离（distance）
author.dist	提交的科学名命名人与数据库中匹配科学名命名人的距离（distance）
New_name	如果本列为空且Score列值大于0，说明提交的科学名在数据库中为接受名。如果提交的科学名在数据库中检测为异名，则本列会显示数据库中该异名的接受名。如果提交的科学名未解决或作为异名未能在数据库中匹配到接受名，该列会显示[Accepted name needs to be determined]
New_author	根据New_name列显示命名人
New_ID	根据New_name列显示ID
Family	数据库中的科名
Name_spLev	如果提交的科学名不能在所属分类等级中查到匹配，就会在此处显示种级匹配结果。例如无法在亚种中匹配Agropyron caesium subsp. caesium var. caesium，便会在此处显示Agropyron caesium，同时Name_in_database列为空。
Accepted_SPNAME	只要提交的科学名可以在数据库中找到匹配值，不管匹配到了接受名或异名，此处会显示接受名。
NOTE	此处展示一些备注信息。比如没有匹配值或匹配值多个，亦或是只匹配到种级科学名。

nameMatch函数详解

1 介绍

原文直译：用已接受的名称替换异名，并消除原始名称中的拼写错误。
理解：正如本文开头所讲，U.Taxonstand包实现的途径是比较，所以该函数返回的结果不会替换查询名，只会像《5.结果解读》中那样将比较的结果显示出来。

2 用法

nameMatch(
  spList = NULL,
  spSource = NULL,
  author = TRUE,
  max.distance = 1,
  genusPairs = NULL,
  Append = FALSE
)

3 参数解读

• spList：包含查询类群的数据集或字符向量。*在示例数据“spExample”中可以找到一个数据集例子。*通过字符向量指定查询类群，其中每个元素属名和种加词，可能还包括作者和种下缩写。
  spExample包含了289个查询类群，每个类群有名称、作者和分类等级（查询等级）

• spSource：包含标准化类群名称（接受名）数据库的数据集。*可以在“databaseExample”中找到一个示例数据集。*许多可以被U.Taxonstand直接使用的动植物数据库可以在线获取：https://github.com/nameMatch/Database。也可以在我上传的资源中下载。 它们包括苔藓植物、维管植物、两栖动物、鸟类、鱼类、哺乳动物和爬行动物的全球分类数据库。其他生物分类群的全球数据库将来可能会被放在这个网站上。

  示例数据库包含10万多条数据，每条数据含有8个值：ID、名称、作者、属、分类等级、接受名ID、科、简约名。
  

• author：逻辑变量。如果为TRUE（默认值），该函数会尝试匹配查询类群的作者名，并计算作者名的匹配距离。

• max.distance：数值。当需要修正科学名中的拼写作物时，该值规定了agrep（模糊匹配法）匹配时的最大距离。

• genusPairs：许多属有一个或多个拼写变体（比如Euodia 与 Evodia, Eccremis 与 Excremis, Ziziphus 与 Zizyphus）。当你提供了一个包含这样的属的列表时，U.Taxonstand会将列表里的数据作为补充，用于用户查询类群和数据库间的匹配。数据文件是包含两列的数据集（Genus01 和 Genus02）。

  示例数据集中包含了355对拼写变体。
  

• Append：逻辑变量。 如果为TRUE，函数将在最终结果里添加数据库的其他列值（比如：地理分布，不同语言的俗名）

4 返回值

与《5. 结果解读》相同。

原始文献示例测试

首先，原始文献的链接，在里面下载附件。另外还需要准备数据库数据，既可以从github下载，也可以从我的资源里下载，数据量比较大，压缩包约300M。

在附件中就包含了示例脚本“R_ script_U.Taxonstand_Test.r”。只需要将其中的文件路径更改为自己对应的地方即可。不做赘述。

首次运行时，当用到模糊匹配时，R将自动安装pbapply，如果没有的话。待安装完成后，会接着完成模糊匹配。整个过程耗时大概5分钟左右，完成了289个查询项，生成了314个匹配项。感兴趣的你可以亲自尝试一番。

只能对种名进行匹配吗？目前来看确实如此