--- /dev/null	Thu Jan 01 00:00:00 1970 +0000
+++ b/FunctExeCalcCommIndexesGalaxy.r	Tue Jul 21 06:00:10 2020 -0400
@@ -0,0 +1,157 @@
+#Rscript 
+
+#####################################################################################################################
+#####################################################################################################################
+################################# Calculate community indexes from observation data #################################
+#####################################################################################################################
+#####################################################################################################################
+
+###################### Packages R 
+
+suppressMessages(library(tidyr))
+
+###################### Load arguments and declaring variables
+
+args = commandArgs(trailingOnly=TRUE)
+#options(encoding = "UTF-8")
+
+if (length(args) < 4) {
+    stop("At least one argument must be supplied, an input dataset file (.tabular).", call.=FALSE) #si pas d'arguments -> affiche erreur et quitte / if no args -> error and exit1
+
+} else {
+    Importdata<-args[1] ###### Nom du fichier importé avec son extension / file name imported with the file type ".filetype"  
+    index <- args[2] ###### List of selected metrics to calculate
+    source(args[3]) ###### Import functions
+
+}
+#### Data must be a dataframe with at least 3 variables : unitobs representing location and year ("observation.unit"), species code ("species.code") and abundance ("number")
+
+
+#Import des données / Import data 
+obs<- read.table(Importdata,sep="\t",dec=".",header=TRUE,encoding="UTF-8") #
+obs[obs == -999] <- NA 
+factors <- fact.det.f(Obs=obs)
+ObsType <- def.typeobs.f(Obs=obs)
+obs <- create.unitobs(data=obs)
+
+vars_data<-c("observation.unit","species.code","number")
+err_msg_data<-"The input dataset doesn't have the right format. It need to have at least the following 3 variables :\n- observation.unit (or point and year)\n- species.code\n- number\n"
+check_file(obs,err_msg_data,vars_data,3)
+
+
+
+####################################################################################################
+################## create community metrics table ## Function : calcBiodiv.f #######################
+####################################################################################################
+
+########################################################################################################################
+calcBiodiv.f <- function(Data, MPA, unitobs="observation.unit", code.especes="species.code", nombres="number",
+                         indices=index)
+{
+    ## Purpose: calcul des indices de biodiversité
+    ## ----------------------------------------------------------------------
+    ## Arguments: Data : les données à partir desquelles calculer les
+    ##                   indices. Doivent comporter au minimum (colones) :
+    ##                     * unités d'observations/sites
+    ##                     * espèces présentes
+    ##                     * nombre d'individus /espèce/unitobs.
+    ##            refesp : le référentiel espèces.
+    ##            MPA : l'AMP (chaîne de charactères).
+    ##            unitobs : nom de la colone d'unités d'observation.
+    ##            code.especes : nom de la colone d'espèces.
+    ##            nombres : nom de la colone de nombres.
+    ##            indices : liste des indices à calculer
+    ##                      (vecteur de caractères)
+    ## ----------------------------------------------------------------------
+    ## Author: Yves Reecht, Date: 29 oct. 2010, 08:58
+
+    ## Supression de tout ce qui n'a pas d'espèce précisee (peut être du non biotique ou identification >= genre) :
+
+    notspline <- grep("(sp\\.)$|([1-9])$|^(Absencemacrofaune)$|^(NoID)$|^(Acrobranc)$|^(Acrodigit)$|^(Acroencr)$|^(Acrosubm)$|^(Acrotabu)$|^(Adredure)$|^(Adremoll)$|^(Algaturf)$|^(Balimona)$|^(Corablan)$|^(CoradurV)$|^(Coraenal)$|^(Coramor1)$|^(Coramor2)$|^(Coramou)$|^( Dallcora)$|^(Debrcora)$|^(Debris)$|^(Hare)$|^(HexaChar)$|^(MuraCong)$|^(Nacrbran)$|^(Nacrcham)$|^(Nacrencr)$|^(Nacrfoli)$|^(Nacrmass)$|^(Nacrsubm)$|^(Recrcora)$|^(Roche)$|^(Sable)$|^(Vase)$",Data[, code.especes], value=FALSE)
+    if (length(notspline) != 0)
+    {
+        Data <- Data[-notspline, ]
+    }else{}
+
+    ## Suppression des niveaux de facteur inutilisés :
+    Data <- dropLevels.f(df=Data)
+
+
+    ## Si les données ne sont pas encore agrégées /espèce/unitobs on le fait ici :
+    if (nrow(Data) > nrow(expand.grid(unique(Data[ , unitobs]), unique(Data[ , code.especes]))))
+    {
+        Data <- agregations.generic.f(Data=Data, metrics=nombres,
+                                      factors=c(unitobs, code.especes),
+                                      listFact=NULL)
+    }else{}
+
+    df.biodiv <- as.data.frame(as.table(tapply(Data[ , nombres],
+                                               Data[ , unitobs],
+                                               sum, na.rm=TRUE)))
+
+    colnames(df.biodiv) <- c(unitobs, nombres)
+
+## ##################################################
+    ## Richesse spécifique :
+    Data$pres.abs <- presAbs.f(nombres=Data[ , nombres], logical = FALSE)
+
+    df.biodiv$species.richness <- as.vector(tapply(Data$pres.abs,
+                                                   Data[ , unitobs], sum, na.rm=TRUE),
+                                            "integer")
+    ## ... as.vector to avoid the class "array".
+
+ ## ##################################################
+    ## Indices de Simpson et Shannon et dérivés :
+
+    matNombres <- tapply(Data[ , nombres], # Matrice de nombres d'individus /espèce/unitobs.
+                         list(Data[ , unitobs], Data[ , code.especes]),
+                         sum, na.rm=TRUE)
+
+    matNombres[is.na(matNombres)] <- 0  # Vrais zéros
+
+    ## Proportion d'individus de chaque espèce dans l'unitobs :
+    propIndiv <- sweep(matNombres, 1,                           
+                       apply(matNombres, 1, sum, na.rm = TRUE), # Nombre d'individus / unitobs ; équiv df.biodiv$nombre.
+                       FUN="/")
+
+    ## Indices de Simpson :
+    df.biodiv$simpson <- apply(propIndiv^2, 1, sum, na.rm=TRUE)
+
+    if (any(is.element(c("all", "simpson.l"), indices)))
+    {
+        df.biodiv$simpson.l <- 1 - df.biodiv$simpson
+    }
+
+    ## calcul de l'indice de Shannon :
+    df.biodiv$shannon <- -1 * apply(propIndiv * log(propIndiv), 1, sum, na.rm=TRUE)
+
+    ## calcul de l'indice de Pielou :
+    if (any(is.element(c("all", "pielou"), indices)))
+    {
+        df.biodiv$pielou <- df.biodiv$shannon / log(df.biodiv$species.richness)
+    }
+
+    ## calcul de l'indice de Hill :
+    if (any(is.element(c("all", "hill"), indices)))
+    {
+        df.biodiv$hill <- (1 - df.biodiv$simpson) / exp(df.biodiv$shannon)
+                                        # équiv df.biodiv$l.simpson / exp(df.biodiv$shannon)
+    }
+
+
+    return(df.biodiv)
+}
+
+################# Analysis
+
+res <- calc.numbers.f(obs, ObsType=ObsType , factors=factors, nbName="number")
+
+tableCommunityIndexes <- calcBiodiv.f(res, MPA, unitobs="observation.unit", code.especes="species.code", nombres="number",
+                         indices=index)
+tableCommunityIndexes <- create.year.point(tableCommunityIndexes)
+#Save dataframe in a tabular format
+
+filenameComm <- "TabCommunityIndexes.tabular"
+write.table(tableCommunityIndexes, filenameComm, row.names=FALSE, sep="\t", dec=".",fileEncoding="UTF-8")
+cat(paste("\nWrite table with Community indexes. \n--> \"",filenameComm,"\"\n",sep=""))
+