如何过滤掉分数不好的参与者?
How do I filter out participants with a bad score?
我想过滤掉正确率低于 45% 的参与者。我使用管道按参与者分组,然后尝试这样过滤:
# Remove participants with > 45% or more mistakes
dat <- dat %>%
group_by(participant) %>%
filter(sum(key_resp.corr) < (nrow(dat) * 0.65))
当参与者给出正确答案时,Key_resp.corr 为 1。不幸的是,这似乎不起作用。有谁知道我该怎么做?
而不是 nrow(dat)
,它将是 n()
,其中 returns 分组数据的行数,而 nrow(dat)
returns 数字整个数据集的行数
library(dplyr)
dat %>%
group_by(participant) %>%
filter(sum(key_resp.corr, na.rm = TRUE) < (n() * 0.65)) %>%
ungroup
或者用 mean
创建 filter
dat %>%
group_by(participant) %>%
filter(mean(key_resp.corr, na.rm = TRUE) < 0.65) %>%
ungroup
我想过滤掉正确率低于 45% 的参与者。我使用管道按参与者分组,然后尝试这样过滤:
# Remove participants with > 45% or more mistakes
dat <- dat %>%
group_by(participant) %>%
filter(sum(key_resp.corr) < (nrow(dat) * 0.65))
当参与者给出正确答案时,Key_resp.corr 为 1。不幸的是,这似乎不起作用。有谁知道我该怎么做?
而不是 nrow(dat)
,它将是 n()
,其中 returns 分组数据的行数,而 nrow(dat)
returns 数字整个数据集的行数
library(dplyr)
dat %>%
group_by(participant) %>%
filter(sum(key_resp.corr, na.rm = TRUE) < (n() * 0.65)) %>%
ungroup
或者用 mean
filter
dat %>%
group_by(participant) %>%
filter(mean(key_resp.corr, na.rm = TRUE) < 0.65) %>%
ungroup