Question

我有一组由不同参与者生成的数据，他们通过提供1-5之间的技术质量得分来评分不同的视力障碍。

数据样本位于Column Participant为文本（不同ID）的位置，列Impairment为文本（9种不同类型），TechnicalQuality列为数字（1-5）。

Participant <- c("A001", "A001", "A001", "A002", "A002", "A003", "B001", "B002")
impairment <- c ("H0", "H1", "H3", "H2",  "H4", "H2", "H3", "H0")
TechnicalQuality <- c(1, 2, 4, 3, 5, 4, 3, 1)
Exp_1<- data.frame(Participant = Participant, impairment = impairment,
                 TechnicalQuality = TechnicalQuality

我希望创建一个新的数据框P_TQ_Mean，其中包括每个参与者的每种类型的损伤的平均技术质量，我使用以下代码：

 P_TQ_Mean<-c()
 for (i in unique(Exp_1$Participant)){
 d<-subset(Exp_1, Exp_1$Participant ==i)
 c <- aggregate(d$TechnicalQuality, list(d$impairment), mean)
 P_TQ_Mean = rbind(P_TQ_Mean,c)
 }

生成的P_TQ_Mean是：

  Group.1 x
1      H0 1
2      H1 2
3      H3 4
4      H2 3
5      H4 5
6      H2 4
7      H3 3
8      H0 1

这表示“A001”分别对H0，H1和H3有三个均值，对其他参与者则依此类推。

是否有任何方法可以添加一列来指示每个损伤的平均值的参与者ID，以及正确标记前两列？例如，我需要将标签Group.1标记为“损伤”，将x标记为“参与者”以进行进一步处理。

提前致谢！

Answer 1

不需要for循环。 aggregate可以处理多个聚合器，尝试

aggregate(TechnicalQuality ~ impairment + Participant, Exp_1, mean)
#   impairment Participant TechnicalQuality
# 1         H0        A001                1
# 2         H1        A001                2
# 3         H3        A001                4
# 4         H2        A002                3
# 5         H4        A002                5
# 6         H2        A003                4
# 7         H3        B001                3
# 8         H0        B002                1

或一些更有效的选项

# install.packages("data.table")
library(data.table)
setDT(Exp_1)[, list(TechnicalQuality = sum(TechnicalQuality)), by = list(Participant, impairment)]
#    Participant impairment TechnicalQuality
# 1:        A001         H0                1
# 2:        A001         H1                2
# 3:        A001         H3                4
# 4:        A002         H2                3
# 5:        A002         H4                5
# 6:        A003         H2                4
# 7:        B001         H3                3
# 8:        B002         H0                1

或者

# install.packages("dplyr")
library(dplyr)
Exp_1 %>%
  group_by(Participant, impairment) %>%
  summarise(mean(TechnicalQuality))
# Source: local data table [8 x 3]
# Groups: Participant
# 
#   Participant impairment mean(TechnicalQuality)
# 1        A001         H0                      1
# 2        A001         H1                      2
# 3        A001         H3                      4
# 4        A002         H2                      3
# 5        A002         H4                      5
# 6        A003         H2                      4
# 7        B001         H3                      3
# 8        B002         H0                      1

使用条件计算子集平均值并保存在新的日期框架中

1 个答案: