Question

我有一个data.frame mydf，其中包含来自27个科目的数据。有两个预测变量，congruent（2个级别）和offset（5个级别），因此总共有10个条件。在每种条件下对27名受试者中的每一名进行20次测试，导致总共10 * 27 * 20 = 5400次观察。 RT是响应变量。结构如下所示：

> str(mydf)
'data.frame':   5400 obs. of  4 variables:
 $ subject  : Factor w/ 27 levels "1","2","3","5",..: 1 1 1 1 1 1 1 1 1 1 ...
 $ congruent: logi  TRUE FALSE FALSE TRUE FALSE TRUE ...
 $ offset   : Ord.factor w/ 5 levels "1"<"2"<"3"<"4"<..: 5 5 1 2 5 5 2 2 3 5 ...
 $ RT       : int  330 343 457 436 302 311 595 330 338 374 ...

我使用daply()计算了10个条件中每个主题的mean RT：

myarray <- daply(mydf, .(subject, congruent, offset), summarize, mean = mean(RT))

结果看起来就像我想要的那样，即一个3d数组;可以说5个表格（每个offset条件一个表格），显示congruent=FALSE与congruent=TRUE条件中每个主题的平均值。

但是，如果我检查myarray的结构，我会得到一个令人困惑的输出：

List of 270
 $ : num 417
 $ : num 393
 $ : num 364
 $ : num 399
 $ : num 374
 ... 
 # and so on
 ...
 [list output truncated]
 - attr(*, "dim")= int [1:3] 27 2 5
 - attr(*, "dimnames")=List of 3
  ..$ subject  : chr [1:27] "1" "2" "3" "5" ...
  ..$ congruent: chr [1:2] "FALSE" "TRUE"
  ..$ offset   : chr [1:5] "1" "2" "3" "4" ...

这与ozone包中的原型plyr数组的结构完全不同，即使它是一种非常相似的格式（3维，只有数值）。

我想通过aaply计算一些有关此数组的进一步摘要信息。 确切地说，我想计算每个主题和偏移的一致和不一致方法之间的差异。

但是，已经 aaply() 的最基本的应用 aaply(myarray,2,mean) 会返回无意义的输出： < / p>

FALSE  TRUE 
   NA    NA 
Warning messages:
1: In mean.default(piece, ...) :
  argument is not numeric or logical: returning NA
2: In mean.default(piece, ...) :
  argument is not numeric or logical: returning NA

我不知道为什么daply()函数会返回如此奇怪的结构化输出，从而阻止aaply的进一步使用。我非常感谢任何形式的帮助，我坦率地承认我对plyr包几乎没有任何经验。

Answer 1

由于您没有包含您的数据，因此很难确定，但我尝试将您的数据设置为str()。您可以使用ddply的两种用途来做您想要的（我猜）。首先是手段，然后是手段的差异。

#Make dummy data
mydf <- data.frame(subject = rep(1:5, each = 150), 
  congruent = rep(c(TRUE, FALSE), each = 75), 
  offset = rep(1:5, each = 15), RT = sample(300:500, 750, replace = T))

#Make means
mydf.mean <- ddply(mydf, .(subject, congruent, offset), summarise, mean.RT = mean(RT))

#Calculate difference between congruent and incongruent
mydf.diff <- ddply(mydf.mean, .(subject, offset), summarise, diff.mean = diff(mean.RT))
head(mydf.diff)
#   subject offset  diff.mean
# 1       1      1  39.133333
# 2       1      2   9.200000
# 3       1      3  20.933333
# 4       1      4  -1.533333
# 5       1      5 -34.266667
# 6       2      1  -2.800000

大胆：结果正确，但结构混乱

1 个答案: