R语言【rgbif】——name_backbone()和name_backbone_verbose()在 GBIF 分类树中查找名称。

Package rgbif version 3.7.8


Parameters

R 复制代码
name_backbone(
  name,
  rank = NULL,
  kingdom = NULL,
  phylum = NULL,
  class = NULL,
  order = NULL,
  family = NULL,
  genus = NULL,
  strict = FALSE,
  verbose = FALSE,
  start = NULL,
  limit = 100,
  curlopts = list()
)

name_backbone_verbose(
  name,
  rank = NULL,
  kingdom = NULL,
  phylum = NULL,
  class = NULL,
  order = NULL,
  family = NULL,
  genus = NULL,
  strict = FALSE,
  start = NULL,
  limit = 100,
  curlopts = list()
)

参数【name】:(字符)可能带有作者姓名的学名全称(必填)。

参数【rank】:(字符)作为等级枚举给出的等级。可选。

参数【kingdom】:(字符)如果提供,默认情况下,如果没有找到与名称直接匹配的匹配项,也会尝试与此匹配。可选。

参数【phylum】:(字符)如果提供,默认情况下,如果没有找到与名称直接匹配的匹配项,也会尝试与此匹配。可选。

参数【class】:(字符)如果提供,默认情况下,如果没有找到与名称直接匹配的匹配项,也会尝试与此匹配。可选。

参数【order】:(字符)如果提供,默认情况下,如果没有找到与名称直接匹配的匹配项,也会尝试与此匹配。可选。

参数【family】:(字符)如果提供,默认情况下,如果没有找到与名称直接匹配的匹配项,也会尝试与此匹配。可选。

参数【genus】:(字符)如果提供,默认情况下,如果没有找到与名称直接匹配的匹配项,也会尝试与此匹配。可选。

参数【strict】:(逻辑)如果为 TRUE,则(模糊)只匹配给定名称,但绝不匹配上层分类中的分类群(可选)。

参数【verbose】:(逻辑),该函数是否会返回更多(更不可靠)的结果。参见函数 name_backbone_verbose()。

参数【start】:开始的记录编号。默认值:0 ,与参数【limit】结合使用可翻阅结果。

参数【limit】:要返回的记录数。默认值:100 。最大值 1000。

参数【curlopts】:传递给 HttpClient 的指定 curl 选项的列表。请参阅 curl::curl_options了解 curl选项。

如果没有匹配到结果,GBIF 会返回一个 data.frame ,其中包含 synonym 、confidence 和 matchType='NONE' 三列。


Value

对于 name_backbone,是一个包含多列的单一分类群的 data.frame。

对于 name_backbone_verbose,data.frame 中的模糊匹配结果数量较多。

您还将以 input_name、input_rank、input_kingdom 等列的形式获得输入的参数【name】、参数【rank】、参数【kingdom】、参数【phylum】等信息。


Examples

R 复制代码
> name_backbone(name='Helianthus annuus', kingdom='plants')

# A tibble: 1 × 24
  usageKey scientificName  canonicalName rank  status confidence matchType kingdom
*    <int> <chr>           <chr>         <chr> <chr>       <int> <chr>     <chr>  
1  9206251 Helianthus ann... Helianthus a... SPEC... ACCEP...        100 EXACT     Plantae
# ℹ 16 more variables: phylum <chr>, order <chr>, family <chr>, genus <chr>,
#   species <chr>, kingdomKey <int>, phylumKey <int>, classKey <int>,
#   orderKey <int>, familyKey <int>, genusKey <int>, speciesKey <int>,
#   synonym <lgl>, class <chr>, verbatim_name <chr>, verbatim_kingdom <chr>

> name_backbone(name='Helianthus', rank='genus', kingdom='plants')

# A tibble: 1 × 23
  usageKey scientificName canonicalName rank  status  confidence matchType kingdom
*    <int> <chr>          <chr>         <chr> <chr>        <int> <chr>     <chr>  
1  3119134 Helianthus L.  Helianthus    GENUS ACCEPT...         98 EXACT     Plantae
# ℹ 15 more variables: phylum <chr>, order <chr>, family <chr>, genus <chr>,
#   kingdomKey <int>, phylumKey <int>, classKey <int>, orderKey <int>,
#   familyKey <int>, genusKey <int>, synonym <lgl>, class <chr>,
#   verbatim_name <chr>, verbatim_rank <chr>, verbatim_kingdom <chr>

> name_backbone(name='Poa', rank='genus', family='Poaceae')

# A tibble: 1 × 23
  usageKey scientificName canonicalName rank  status  confidence matchType kingdom
*    <int> <chr>          <chr>         <chr> <chr>        <int> <chr>     <chr>  
1  2704173 Poa L.         Poa           GENUS ACCEPT...        100 EXACT     Plantae
# ℹ 15 more variables: phylum <chr>, order <chr>, family <chr>, genus <chr>,
#   kingdomKey <int>, phylumKey <int>, classKey <int>, orderKey <int>,
#   familyKey <int>, genusKey <int>, synonym <lgl>, class <chr>,
#   verbatim_name <chr>, verbatim_rank <chr>, verbatim_family <chr>
相关推荐
信马堂34 分钟前
WorkBuddy 接入第三方模型 API 全流程:安装与配置实录
人工智能·大模型·token·ai算力·workbuddy
朝朝辞暮i2 小时前
VLA 系统学习第 4 课:一个 Batch 进入神经网络后,模型到底是怎么“学会”的?
人工智能·python·神经网络·vla
IT古董2 小时前
《FDE前沿部署工程师实战教程》33 - Enterprise AI Observability:从Agent Trace到全链路智能运维
数据库·人工智能
xsd202411182 小时前
地网腐蚀AI识别算法全解析:从锈蚀图像到地下腐蚀快速定位
人工智能
oooost2 小时前
pytorch学习笔记2(transformer)
人工智能·机器学习
云杂项3 小时前
Exploring Model Inversion Attacks in the Black-box Setting(个人笔记)
人工智能
还卿一钵无情泪3 小时前
Unsloth 微调 构建自己的大模型 没有GPU也能微调
linux·开发语言·人工智能·python·大模型·nlp·unsloth
冬奇Lab4 小时前
LLM 驱动的自动化测试系列(06):移动端自动化(二)——DroidRun/Mobilerun 的角色级模型拆分
人工智能·测试
冬奇Lab4 小时前
一天一个开源项目(第230篇):HandRaw-Style —— 把 327 种手绘风格、165 种排版、36 种配色编号化,让 AI 画图不再每次都飘
人工智能·开源·资讯
罗西的思考4 小时前
从陶哲轩的访谈看:AI 数学研究方法论 & 给其它行业的启示
人工智能