2014年学习R语言的时候，曾做过统计LPSN网站上的根瘤菌相关属的物种统计工作，到2021年，根瘤菌领域已增加了两个新属：Neorhizobium和Pararhizobium；将Sinorhizobium内的种，计为0了，但Sinorhizobium仍然有许多人在使用，故而将它的原有物种数依然统计在内。
今天重新统计一下各个属内的物种数目情况，并做图：
生成的图，不知道为什么属名不在一条线上？
当时学R语言时，还是用比较笨拙的手法，写的代码也不好看，不简洁，但容易理解（参见这里，科学网—用R语言统计一下LPSN网站上的各属内的物种数 - 陈文峰的博文 (sciencenet.cn)）。今天重新运行了一下之前的代码，发现不能用了，仔细看了一下，是网站细节改了，正则表达式也修改了，因此，重新写一下，如下。
代码复杂了些，重复的地方可以使用循环，以简化代码，但懒得去做了。
library(stringr)
#统计中华根瘤菌属(Sinorhizobium)
SinorhizobiumPage <- readLines("http://www.bacterio.net/sinorhizobium.html")
line_num_Ensifer <- grep('Total number of child taxa:', SinorhizobiumPage)
pat1 <- "([0-9]+)"
(SinorhizobiumSpNum <- as.numeric(str_extract(SinorhizobiumPage[line_num_Ensifer], pat1)))
#统计剑菌属(Ensifer)
EnsiferPage <- readLines("https://www.bacterio.net/genus/ensifer")
line_num_Ensifer = grep('Number of child taxa with a validly published and correct name: ', EnsiferPage) #获得是的所在行
line_num_Ensifer
pat2 <- "([0-9]+)"
EnsiferSpNum <- as.numeric(str_extract(EnsiferPage[line_num], pat2))
#统计根瘤菌属(Rhizobium)
RhizobiumPage <- readLines("http://www.bacterio.net/rhizobium.html")
line_num_Rhizobium <- grep('Number of child taxa with a validly published and correct name: ', RhizobiumPage)
pat3 <- "([0-9]+)"
(RhizobiumSpNum <- as.numeric(str_extract(RhizobiumPage[line_num_Rhizobium], pat3)))
#统计慢生根瘤菌属(Bradyrhizobium)
BradyrhizobiumPage <- readLines("http://www.bacterio.net/bradyrhizobium.html")
(line_num_Bradyrhizobium <- grep('Number of child taxa with a validly published and correct name: ', BradyrhizobiumPage))
pat4 <- "([0-9]+)"
(BradyrhizobiumSpNum <- as.numeric(str_extract(BradyrhizobiumPage[line_num_Bradyrhizobium], pat4)))
#统计副根瘤菌属(Pararhizobium)
PararhizobiumPage <- readLines("https://www.bacterio.net/genus/pararhizobium")
(line_num_Pararhizobium <- grep('Number of child taxa with a validly published and correct name: ', PararhizobiumPage))
pat5 <- "([0-9]+)"
(PararhizobiumSpNum <- as.numeric(str_extract(PararhizobiumPage[line_num_Pararhizobium], pat5)))
#统计新根瘤菌属(Neorhizobium)
NeorhizobiumPage <- readLines("https://www.bacterio.net/genus/neorhizobium")
(line_num_Neorhizobium <- grep('Number of child taxa with a validly published and correct name: ', NeorhizobiumPage))
pat6 <- "([0-9]+)"
(NeorhizobiumSpNum <- as.numeric(str_extract(NeorhizobiumPage[line_num_Neorhizobium], pat6)))
rhizobiaNumbers <- data.frame(S=SinorhizobiumSpNum, E=EnsiferSpNum, R=RhizobiumSpNum,
B=BradyrhizobiumSpNum, P = PararhizobiumSpNum,
N = NeorhizobiumSpNum)
sino <- expression(italic(Sinorhizobium))
ensi <- expression(italic(Ensifer))
rhi <- expression(italic(Rhizobium))
brady <- expression(italic(Bradyrhizobium))
para <- expression(italic(Pararhizobium))
neo <- expression(italic(Neorhizobium))
t.rhizobia <- t(rhizobiaNumbers)
t1.rhizobia <- as.data.frame(t.rhizobia)
par(cex = 0.8)
barp <- barplot(t1.rhizobia$V1, names.arg=c(sino, ensi, rhi, brady, para, neo),
xlab="属", ylab="种数", col=rainbow(6),
main="各属内根瘤菌的种数(截至到2021年12月1日)",
ylim=c(0, 100))
abline(h=0)
转载本文请联系原作者获取授权，同时请注明本文来自陈文峰科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3533-1314706.html?mobile=1
收藏
