如何在 R 和组数据中创建时间箱

Question

我的数据如下所示：

trial   event   time_start  time_end    time_duration   region
1         A       36403      36504        101           none
1         B       36506      36516        10            none
1         A       36518      36700        182           top
1         B       36702      36708        6             none
1         A       36710      37054        344           top
1         B       37056      37088        32            none
1         A       37090      37640        550           right
1         B       37642      37678        36            none
1         A       37680      37812        132           left
2         A       41278      41318        40            top
2         B       41320      41336        16            none
2         A       41338      41490        152           top
2         B       41492      41498        6             none
2         A       41500      41994        494           top
2         B       41996      42032        36            none
2         A       42034      42492        458           left

对于每个试验，我想将数据分组到 4 个相等的时间箱中（每次试验的总时间不同）。所以我想我需要：（1）按试验对数据进行分组，（2）为每次试验的累积持续时间添加一列，（3）将每次试验的总时间除以 4，并相应地将每一行分配给时间箱。这就是我想要的：

trial   event   time_start  time_end  time_duration  region cumtime bin
1         A       36403      36504        101         none    101    1
1         B       36506      36516        10          none    111    1
1         A       36518      36700        182         top     293    1
1         B       36702      36708        6           none    299    1
1         A       36710      37054        344         top     643    2
1         B       37056      37088        32          none    675    2
1         A       37090      37640        550         right   1225   4
1         B       37642      37678        36          none    1261   4
1         A       37680      37812        132         left    1393   4
2         A       41278      41318        40          top     40     1
2         B       41320      41336        16          none    56     1
2         A       41338      41490        152         top     208    1
2         B       41492      41498        6           none    214    1
2         A       41500      41994        494         top     708    3
2         B       41996      42032        36          none    744    3
2         A       42034      42492        458         left    1202   4

根据上面的数据，我需要为每个试验中的每个 bin 计算以下内容：(1) 在每个 time bin 中，事件为 A 的行数，(2) 在每个 time bin 中，事件为 A 且区域正确的行数。这就是我想让我的决赛桌看起来像的样子：

trial   bin totalevent_A  totalevent_A_right
1        1       2             0
1        2       1             0
1        3       0             0
1        4       2             1
2        1       2             0
2        2       0             0
2        3       1             0
2        4       1             0

我不知道如何首先按试验对数据进行分组，然后将每个试验的总时间分成 4 个相等的时间箱，并将每个事件分配给它（完整的数据集有 1000 多个试验）。任何建议/替代方法都会非常有帮助！

Answer 1

这个例程可以用 {dplyr} group_by mutate 和 summarize 来实现。我把它分成两个结果对象res1 和res2

dat <- read.table(text="trial   event   time_start  time_end    time_duration   region
1         A       36403      36504        101           none
1         B       36506      36516        10            none
1         A       36518      36700        182           top
1         B       36702      36708        6             none
1         A       36710      37054        344           top
1         B       37056      37088        32            none
1         A       37090      37640        550           right
1         B       37642      37678        36            none
1         A       37680      37812        132           left
2         A       41278      41318        40            top
2         B       41320      41336        16            none
2         A       41338      41490        152           top
2         B       41492      41498        6             none
2         A       41500      41994        494           top
2         B       41996      42032        36            none
2         A       42034      42492        458           left", header=TRUE)

library(dplyr, warn.conflicts = FALSE)

res1 <- dat %>% 
  group_by(trial) %>%
  mutate(duration = time_end - time_start,
         total_duration = sum(duration),
         cml_duration = cumsum(duration),
         fractime = cml_duration / total_duration,
         bin = floor(fractime / 0.25 + 0.99)) 
                                         # 0.99 < 1 : fudge factor for group 1:4 not 0:4 or 1:5
res2 <- res1 %>% 
  group_by(trial, bin) %>%
  summarize(total_event_a = sum(event == "A"), total_event_a_right = sum(event == "A" & region == "right"))
#> `summarise()` regrouping output by 'trial' (override with `.groups` argument)

res2
#> # A tibble: 6 x 4
#> # Groups:   trial [2]
#>   trial   bin total_event_a total_event_a_right
#>   <int> <dbl>         <int>               <int>
#> 1     1     1             2                   0
#> 2     1     2             1                   0
#> 3     1     4             2                   1
#> 4     2     1             2                   0
#> 5     2     3             1                   0
#> 6     2     4             1                   0

^{由reprex package (v0.3.0) 于 2020-12-06 创建}