如何在仅选择一定数量的试验后获得所有参与者的均值

Question

我有一个包含每个参与者 500 次试验的数据集，我想从中以不同的数量进行抽样（即我想从每个参与者中抽取相同数量的试验），然后计算每个参与者的平均值。它不是这样做，而是为每个参与者分别为每个“num”创建一个具有一个均值的文件，例如如果具有 125 次试验的参与者 1 的平均值为 426，这将是整个文件，那么参与者 1 的另一个文件具有 150 次试验且具有单个值，这就是所有参与者的情况。我的目标是为所有参与者准备一个 125 人的文件，然后是 150 人的另一个文件，等等。

num <- c(125,150,175,200,225,250,275,300,325,350,375,400)

Subset2 <- list()


for (x in 1:12){
  for (j in num){
   Subset2[[x]] <- improb2 %>% group_by(Participant) %>% sample_n(j) %>% summarise(mean = mean(RT))
  
  
}}

这是一个可重现的例子：

RT <- sample(200:600, 10000, replace=T)
df <- data.frame(Participant= letters[1:20]) 
df <- as.data.frame(df[rep(seq_len(nrow(df)), each = 500),])

improb2 <- cbind(RT, df)
improb2 <- improb2 %>% rename(Participant = `df[rep(seq_len(nrow(df)), each = 500), ]`)

子集 2 中所需的数据帧之一类似于：

Subset2[[1]]

Participant  mean
   <chr>       <dbl>
 1 P001         475.
 2 P002         403.
 3 P003         481.
 4 P004         393.
 5 P005         376.
 6 P006         402.
 7 P007         497.
 8 P008         372.
 9 P010         341.

Answer 1

此答案使用 tidyverse 并输出一个列表对象 data，其中名称是样本大小。要访问每个样本量摘要，您必须使用反引号 data$`125` 。 data$`125` 是一个 tibble 对象。我在输出中做了评论，您可以根据需要将其更改为 data.frame 对象。

library(tidyverse)

num <- c(125, 150, 175, 200, 225, 250, 275, 300, 325, 350, 375, 400)

# create function to sample data by certain size and summarize by mean
get_mean <- function(x, n) { 
  dplyr::group_by(x, Participant) %>% # group by participant
    dplyr::sample_n(n) %>% # randomly sample observations
    dplyr::summarize(mean = mean(RT), # get mean of RT
                     n = n(), # get sample size
                     .groups = "keep") %>% 
    dplyr::ungroup()
# add a pipe to as.data.frame if you don't want a tibble object
}

# create a list object where the names are the sample sizes
data <- lapply(setNames(num, num), function(sample_size) {get_mean(df, n = sample_size)})

head(data$`125`)

 Participant  mean     n
  <chr>       <dbl> <int>
1 V1           20.2   125
2 V10          19.9   125
3 V11          19.8   125
4 V12          20.2   125
5 V2           20.5   125
6 V3           20.0   125

数据

我不是 100% 确定你的数据集是什么样的，但我相信它看起来像这样：

# create fake data for 45 participants with 500 obs per participant
df <- replicate(45, rnorm(500, 20, 4)) %>%
  as.data.frame.matrix() %>% 
  tidyr::pivot_longer(everything(), 
                      names_to = "Participant", # id column
                      values_to = "RT") %>% # value column
  dplyr::arrange(Participant)


head(df) # Participant repeated 500 times, with 500 values in RT
 Participant    RT
  <chr>       <dbl>
1 V1           24.7
2 V1           15.2
3 V1           21.1
4 V1           21.6
5 V1           20.3
6 V1           25.6

如果这是一个类似的结构（长有重复的参与者 ID 和单列 RT 值），那么上面的方法应该有效。

如何在仅选择一定数量的试验后获得所有参与者的均值

How to get mean for all participants after selecting only a certain number of trials

r

dplyr

mean

summary