################################################### library("mefa") data("dol.count") head(dol.count, 16) ################################################### x1 <- stcs(dol.count) str(x1) unique(x1$count) ################################################### x2 <- stcs(dol.count, expand = TRUE) str(x2) sum(x2$count) unique(x2$count) ################################################### x3 <- stcs(dol.count, drop.zero = TRUE) str(x3) unique(x3$count) ################################################### m1 <- mefa(x1) m1 m1$xtab["LT1", ] ################################################### str(m1$xtab) str(m1$segm) ################################################### mefa(x1, nested = TRUE) ################################################### mefa(x1, segment = FALSE) ################################################### data("dol.samp") str(dol.samp) ################################################### data("dol.taxa") str(dol.taxa) ################################################### mefa(x1, samp = dol.samp) mefa(x1, taxa = dol.taxa) m2 <- mefa(x1, samp = dol.samp, taxa = dol.taxa) m2 str(m2$xtab) str(m2$samp) str(m2$taxa) ################################################### m2.sub <- mefa(x1, dol.samp[-c(1:5), ], dol.taxa[-c(1:80), ], xtab.fixed = FALSE) m2.sub str(m2.sub$xtab) str(m2.sub$samp) str(m2.sub$taxa) ################################################### mefalogo() ################################################### dim(m2) dimnames(m2) ################################################### summary(m2) ################################################### names(summary(m2)) ################################################### summary(m2)$s.rich summary(m2)$mfill ################################################### plot(m2, 1, main = "A") plot(m2, 4, type = "rank", trafo = "log", main = "B") ################################################### boxplot(m2, 2, main = "A") boxplot(m2, 3, main = "B") ################################################### molten <- melt(m2, "method") str(molten) ################################################### m3 <- mefa(molten, dol.samp, dol.taxa) m3 ################################################### image(m3, trafo = "log", sub = "all segments", main="A") for (i in 1:2) image(m3, segm = i, trafo = "log", sub = dimnames(m3)$segm[i], main = LETTERS[i + 1]) ################################################### ex1 <- m2[1:20, 11:15, "fresh"] dim(ex1) dim(ex1$samp) dim(ex1$taxa) ################################################### ex2 <- m2[m2$samp$method == "time"] levels(ex2$samp$method) ex3 <- m2[m2$samp$method == "time", drop = TRUE] levels(ex3$samp$method) ################################################### size.5 <- as.factor(is.na(m3$taxa$size) | m3$taxa$size < 5) levels(size.5) <- c("large", "small") m4 <- aggregate(m3, "microhab", size.5) t(m4$xtab) lapply(m4$segm, t) ################################################### set.seed(1234) m5 <- m2[ , sample(1:dim(m2)[2], 10)] report(m5, "report.tex", tex = TRUE, segment = TRUE, taxa.name = 1, author.name = 2, drop.redundant = 1) ################################################### mod.amin <- glm(m2$xtab[, "amin"] ~ ., data = m2$samp, family = poisson) summary(mod.amin) ################################################### library("MASS") mod.abu <- glm.nb(summary(m2)$s.abu ~ .^2, data = m2$samp) summary(mod.abu) ################################################### prop.fr <- cbind(summary(m2[ , , "fresh"])$s.abu, summary(m2)$s.abu) mod.fr <- glm(prop.fr ~ .^2, data = m2$samp, family = binomial) summary(mod.fr) ################################################### library("vegan") ################################################### m6 <- as.mefa(m2, drop.zero = TRUE) m6.ado <- adonis(m6$xtab ~ .^2, data = m6$samp, permutations = 100) m6.ado ################################################### library("ade4") m2.cca <- ade4::cca(data.frame(m2$segm[["fresh"]]), m2$samp, scan = FALSE) plot.pcaiv(m2.cca) ################################################### m.list <- list() n1 <- rep(c("time", "quadrat"), each = 2) n2 <- rep(c("fresh", "broken"), 2) n3 <- paste(n1, n2, sep=".") for (i in 1:4) m.list[[n3[i]]] <- aggregate(m2[m2$samp$method == n1[i], , n2[i]], "microhab") ################################################### for (i in 1:4) { tmp <- hclust(dist(m.list[[i]]$xtab), "ward") plot(tmp, main = LETTERS[i], sub = names(m.list)[i], xlab = "") }