生态调查中样带长度的优化。
virtualecologist的Python项目详细描述
====
虚拟生态学家
==
=
一套在生态监测计划中优化样带长度的工具。
主要目标是减少样带长度，而不失去检测不同调查（如季节性调查）之间差异的能力。
这些工具假设数据是从样带（其长度可以
可变）收集的，并且每个样带包含连续的数据收集点。
例如，50米样带，相距4米的1平方米样带。
它还假设您正在评估
单个位置的分组数据（例如功能组、
生命形式、行会或用于对物种进行分组的自定义分组列表）。例如，残林中的生命形式（forbs、树木）等。
安装
--------
`` bash
`克隆repo
https://github.com/rayblick/virtualecoecologist.git
来自病毒学家将Virtualogiologist导入为ve
实例化Virtualogiologist
需要2个数据集…
example=ve.Virtualogiologist（"virtualogiologist/data/pilotdata.csv"，
"virtualogiologist/data/fulldata.csv"）
使用导频数据生成平均错误率错误率
如果未提供导频数据，则假设所有组的错误率为10%
示例。match_full_dataset（）
打印到控制台组和错误率表
此处执行返回错误率
示例。打印表（示例.mse_output）
主函数
隔离要调查的位置和生命形式生成一个图，显示要减少的图的数量。calc_mmd（site="smap"，lifeform="bushub"）
为数据集中的所有站点和生命体生成堆积条形图示例。create_barchart（）
获取所选生命体的概率密度函数示例。create_pdf_figure（）
````
示例
==========
10%
+所有样带必须至少保留4个样带，每个样带
！[wc]（https://raw.github.com/rayblick/virtual生态学家/master/master/img/transects2014.jpg）
开始
>
`` python
`` python `` python ` `` python `` python ` python ` `从virtualolologiist导入virvirtualolologiist-virve
>wc=ve.virtualcolgist.virtualcolgist（"/path/to/pilotdata.csv/pilotdata.csv训练你的虚拟生态学家：
----
```巨蟒
wc.train\u observer（）
查找所有未经训练的案例
wc.match\full\u dataset（）
打印每个生命形式的均方误差
wc.print\u表（wc.mse\u输出）
```
**制表输出：**
-
-
```降价
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>导频数据|
+----+----------+---------+------------+
| 1 | ARp | 22.333 | yes |
| 2 | ATe | 315.452 | yes |
| 3 | ATl | 27.273 | yes |
| 4 | ATw | 306.5 | yes |
| 5 | Ate | 152.412 | no |
| 6 | T/ATe | 152.412 | no |
| 7 | T | 49.021 | 是的
8 tdr 292.731是的
9 tda 53.576是的
+-----+---+---+----+>>````
>
f可以删除的图（如果每个transect仍然有4个图）is:1.57
在这个例子中，在最小可检测差异超过10%之前，我可以从每个样条中删除1.57个
的图。重要的是，
这些结果与从目标群体（TDA）中至少找到17个物种
的绘图相关。
请注意图中的虚线，其中显示了从TDR中至少找到一个物种
的绘图数量。不出所料，当我减少每个样带的绘图时，我的观察结果和虚拟生态学家之间可检测到的最小差异会增加
（变异性也会增加）。
！[mmd]（https://raw.github.com/rayblick/virtual ecologist/master/img/mdd.png）
\[pdf]（https://raw.github.com/rayblick/virtual ecologist/master/img/pdf.png）
虚拟生态学家
==
=
一套在生态监测计划中优化样带长度的工具。
主要目标是减少样带长度，而不失去检测不同调查（如季节性调查）之间差异的能力。
这些工具假设数据是从样带（其长度可以
可变）收集的，并且每个样带包含连续的数据收集点。
例如，50米样带，相距4米的1平方米样带。
它还假设您正在评估
单个位置的分组数据（例如功能组、
生命形式、行会或用于对物种进行分组的自定义分组列表）。例如，残林中的生命形式（forbs、树木）等。
安装
--------
`` bash
`克隆repo
https://github.com/rayblick/virtualecoecologist.git
来自病毒学家将Virtualogiologist导入为ve
实例化Virtualogiologist
需要2个数据集…
example=ve.Virtualogiologist（"virtualogiologist/data/pilotdata.csv"，
"virtualogiologist/data/fulldata.csv"）
使用导频数据生成平均错误率错误率
如果未提供导频数据，则假设所有组的错误率为10%
示例。match_full_dataset（）
打印到控制台组和错误率表
此处执行返回错误率
示例。打印表（示例.mse_output）
主函数
隔离要调查的位置和生命形式生成一个图，显示要减少的图的数量。calc_mmd（site="smap"，lifeform="bushub"）
为数据集中的所有站点和生命体生成堆积条形图示例。create_barchart（）
获取所选生命体的概率密度函数示例。create_pdf_figure（）
````
示例
==========
10%
+所有样带必须至少保留4个样带，每个样带
！[wc]（https://raw.github.com/rayblick/virtual生态学家/master/master/img/transects2014.jpg）
开始
>
`` python
`` python `` python ` `` python `` python ` python ` `从virtualolologiist导入virvirtualolologiist-virve
>wc=ve.virtualcolgist.virtualcolgist（"/path/to/pilotdata.csv/pilotdata.csv训练你的虚拟生态学家：
----
```巨蟒
wc.train\u observer（）
查找所有未经训练的案例
wc.match\full\u dataset（）
打印每个生命形式的均方误差
wc.print\u表（wc.mse\u输出）
```
**制表输出：**
-
-
```降价
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>导频数据|
+----+----------+---------+------------+
| 1 | ARp | 22.333 | yes |
| 2 | ATe | 315.452 | yes |
| 3 | ATl | 27.273 | yes |
| 4 | ATw | 306.5 | yes |
| 5 | Ate | 152.412 | no |
| 6 | T/ATe | 152.412 | no |
| 7 | T | 49.021 | 是的
8 tdr 292.731是的
9 tda 53.576是的
+-----+---+---+----+>>````
>
f可以删除的图（如果每个transect仍然有4个图）is:1.57
在这个例子中，在最小可检测差异超过10%之前，我可以从每个样条中删除1.57个
的图。重要的是，
这些结果与从目标群体（TDA）中至少找到17个物种
的绘图相关。
请注意图中的虚线，其中显示了从TDR中至少找到一个物种
的绘图数量。不出所料，当我减少每个样带的绘图时，我的观察结果和虚拟生态学家之间可检测到的最小差异会增加
（变异性也会增加）。
！[mmd]（https://raw.github.com/rayblick/virtual ecologist/master/img/mdd.png）
\[pdf]（https://raw.github.com/rayblick/virtual ecologist/master/img/pdf.png）
欢迎加入QQ群-->： 979659372
