我有一个数据框，其中 1 列用于参与者，1 列用于我的脑电图触发器。示例：
| ID | trigger |
|---|---|
| P1 | SB |
| P1 | SB |
| P1 | resp |
| P1 | DH |
| P1 | Sc |
| P1 | resp |
| P2 | SB |
| P2 | resp |
| P2 | Sc |
| P2 | SB |
“resp”对应于参与者每次回答（按下按钮）的时间。如果他在Sc之后回答，则为命中，否则为miss；如果他在其他事情之后回答，那是虚惊（fa）；如果他在不是 Sc 的事情之后没有回答，这是一个正确拒绝（cr）。
我想创建一个新的数据框，并为每个参与者提供 Sc 总数、命中数、未命中数、fa 数和 cr 数，如下所示：
| ID | Nb_Sc | hit | miss | fa | cr |
|---|---|---|---|---|---|
| P1 | 100 | 99 | 1 | 1 | 99 |
| P2 | 50 | 45 | 5 | 3 | 47 |
但我完全不知道我该怎么做。有没有人有想法可以提供帮助？
感谢阅读。
【问题讨论】：
library(dplyr)
set.seed(100)
df <- data.frame(
ID = sample(c("P1", "P2"), 200, replace = TRUE),
trigger = sample(c("SB", "Sc", "resp", "DH"), 200, replace = TRUE)
)
# Instead of look into previous row I look ahead based on value of current rows
df <- df %>%
# added group_by here for correct calculated lead / lag
group_by(ID) %>%
mutate(category = case_when(
# hit for all trigger ending with c follow by a resp
grepl(".+c$", trigger) & lead(trigger, 1) == "resp" ~ "hit",
# miss for all trigger ending with c not follow by a resp
grepl(".+c$", trigger) & lead(trigger, 1) != "resp" ~ "miss",
# fa for all trigger that not ending with c and follow b a resp
!grepl("(.+c$)|(^resp$)", trigger) & lead(trigger, 1) == "resp" ~ "fa",
# cr for all trigger that not ending with c and not follow by a resp
!grepl("(.+c$)|(^resp$)", trigger) & lead(trigger, 1) != "resp" ~ "cr",
TRUE ~ "No categorized yet"
))
# Here is what the data look like
head(df)
#> # A tibble: 6 x 3
#> # Groups: ID [2]
#> ID trigger category
#> <chr> <chr> <chr>
#> 1 P2 Sc miss
#> 2 P1 Sc miss
#> 3 P2 SB fa
#> 4 P2 resp No categorized yet
#> 5 P1 Sc miss
#> 6 P1 SB cr
# all no categorized yet is for resp trigger which is accurate.
table(df$trigger, df$category)
#>
#> cr fa hit miss No categorized yet
#> DH 39 14 0 0 0
#> resp 0 0 0 0 56
#> SB 27 18 0 0 0
#> Sc 0 0 10 36 0
# now summarized the data by ID
df %>%
group_by(ID) %>%
summarize(Nb_Sc = sum(trigger == "Sc"),
hit = sum(category == "hit"),
miss = sum(category == "miss"),
fa = sum(category == "fa"),
cr = sum(category == "cr"))
#> # A tibble: 2 x 6
#> ID Nb_Sc hit miss fa cr
#> <chr> <int> <int> <int> <int> <int>
#> 1 P1 21 4 17 15 33
#> 2 P2 25 6 19 17 33
由reprex package (v2.0.0) 于 2021-06-15 创建
更新了正则表达式匹配的解决方案
【讨论】：
resp 后面跟着另一个resp。您对此的计算将产生fa，而我的计算只是忽略了resp，因为它仅首先基于信号进行计算。在 OP 中没有说明如果一个信号后面跟着多个 resp 应该计算什么？注意到实际数据可能永远不会发生这种情况。
您可以在函数中使用一个简单的 for 循环来做到这一点：
scan.reactions = function(df){
out.id = c()
out.nsc = c()
out.hit = c()
out.miss = c()
out.fa = c()
out.cr = c()
for(resp in unique(df[,1])){
out.id = c(out.id,resp)
seq = c('',df[df[,1]==resp,2]) ## relevant sequence of events, leading with none
out.nsc = c(out.nsc,sum(seq=="Sc"))
lseq = c(df[df[,1]==resp,2],'')
t = as.matrix(table(seq=="Sc",lseq=="resp")) ## Cross table of Sc and subsequent resp
out.hit = c(out.hit,t[2,2]) ## True/True
out.miss = c(out.miss,t[2,1])
out.fa = c(out.fa,t[1,2])
out.cr = c(out.cr,t[1,1])
}
return(data.frame("ID"=out.id,
"Nb_Sc"=out.nsc,
"hit"=out.hit,
"miss"=out.miss,
"fa"=out.fa,
"cr"=out.cr))
}
我稍微更改了您的数据，以便对 P1 有一个更正确的反应并对其进行测试：
> df = structure(list(ID = c("P1", "P1", "P1", "P1", "P1", "P1", "P1",
"P1", "P2", "P2", "P2", "P2"), trigger = c("SB", "SB", "resp",
"DH", "Sc", "resp", "Sc", "resp", "SB", "resp", "Sc", "SB")), class = "data.frame", row.names = c(NA,
-12L))
> df
ID trigger
1 P1 SB
2 P1 SB
3 P1 resp
4 P1 DH
5 P1 Sc
6 P1 resp
7 P1 Sc
8 P1 resp
9 P2 SB
10 P2 resp
11 P2 Sc
12 P2 SB
> print(scan.reactions(df))
ID Nb_Sc hit miss fa cr
1 P1 2 2 0 1 6
2 P2 1 0 1 1 3
它使用Sc 和后续resp 的交叉表，似乎产生了正确的结果。
【讨论】：
P2 cr 是 3？他/她只正确错过了一个，即最后一行？？
fa。所以，其他的一定是cr。
我提出这个简单的解决方案。
triggers 可以分为两部分实际触发器比如Atrigger（即!= 'resp'）或ACTION 和responses 其中trigger == 'resp' REACTIONparticipants 可以在 respond 上 Atrigger ;所以Atrigger + resp 等于每个参与者的总行数，即n()
Atrigger可以分为两部分——negatives和positives； positives 参与者回复和negative 他/她没有回复positive & negative 可以根据条件为真或假的T/FNb_Sc 只是每组 Sc 的总和hit 只是 resp 前面加上 Sc 真正的积极因素的总和
miss 是 Nb_Sc - hit（如果我没记错的话）假阴性
fa 是 resp 的总和，前面没有 Sc （同样，如果我是正确的，fa 和 hit 的总和应该等于每组 resp 的数量） 误报
cr 是 actual triggers - sum(hit + miss + fa) 即 真正的否定
df = structure(list(ID = c("P1", "P1", "P1", "P1", "P1", "P1", "P1",
"P1", "P2", "P2", "P2", "P2"), trigger = c("SB", "SB", "resp",
"DH", "Sc", "resp", "Sc", "resp", "SB", "resp", "Sc", "SB")), class = "data.frame", row.names = c(NA,
-12L))
library(dplyr)
df %>%
group_by(ID) %>%
summarise(Nb_Sc = sum(trigger == 'Sc'),
hit = sum(trigger == 'resp' & lag(trigger) == 'Sc'),
miss = Nb_Sc - hit,
fa = sum(trigger == 'resp' & lag(trigger) != 'Sc'),
cr = n() - (sum(trigger == 'resp') + hit + miss + fa))
# A tibble: 2 x 6
ID Nb_Sc hit miss fa cr
<chr> <int> <int> <int> <int> <int>
1 P1 2 2 0 1 2
2 P2 1 0 1 1 1
在data by Sinh 上给出了这个答案
# A tibble: 2 x 6
ID Nb_Sc hit miss fa cr
<chr> <int> <int> <int> <int> <int>
1 P1 21 4 17 23 25
2 P2 25 6 19 23 27
【讨论】：
group_by
cr数量的公式吗？使用 Sinh 的 P1 数据，我计算了 手动 （只是为了确定）33 个 true negatives 与 Sinh 和我的计算结果一致，而您的结果仅显示 25 个。谢谢。
resp，我认为情况并非如此。不过，如果您的数据中有这样的连续条目，则可以修改答案以适应这一点。并感谢您接受答案。
(trigger == 'Sc')' by (grepl(".+c$", trigger) ==TRUE`，它在您的数据示例上效果很好（它仍然不适用于我的数据，但显然问题来自我的数据...... )。
sum((grepl(".+c$", trigger))，即不使用== TRUE
这是另一种数据驱动方法，它使用二维查找表来描述两个连续的类别触发器。随后，观察到的数据与查找表连接，以对事件序列进行分类和计数。
这种方法
case_when() 语句或硬编码条件的总和从问题和OP's comment 我了解到trigger 中的所有值都属于以下三组之一：
resp = 参与者已回答Sc = 以字母 c 结尾的触发器，例如 Sc，或 SBc、L1c、H1c 等other = 所有其他既不是resp 也不是以字母c 结尾的触发器
通过这种简化，我们可以定义连续触发器的类别，如下面的二维查找表所示：
| other | Sc | resp | |
|---|---|---|---|
| other | cr | cr | fa |
| Sc | miss | miss | hit |
| resp | NA | NA | NA |
行引用前面的触发器，列引用后面的触发器。所以，other 后跟resp 属于fa 类别（误报）。
NA表示此序列尚未分类，不应计入。 OP 没有明确指定如何在resp 之后对触发序列进行分类，所以我故意选择忽略它们以符合Sinh Nguyen's answer。但请参阅下文了解如何轻松修改分类。
library(data.table)
# define categories
lut2D <- fread(
"t1 other Sc resp
other cr cr fa
Sc miss miss hit
resp NA NA NA"
)
# reshape to long format
lut1D <-
melt(lut2D, id.var = "t1", variable.name = "t2", value.name = "category", na.rm = TRUE)[
# order categories as expected by the OP
, category := factor(category, levels = c("hit", "miss", "fa", "cr", "dr"))][]
# prepare trigger values
tmp <- as.data.table(df)[
# re-group trigger values: all values ending with "c"
trigger %like% "c$", trigger := "Sc"][
# re-group trigger values: all other values
!trigger %in% c("Sc", "resp"), trigger := "other"][
# create overlapping subsequences of length 2 in wide format
# and summaries per ID
, .(t1 = head(trigger, -1L), t2 = tail(trigger, -1L),
Nb_trig = .N, Nb_Sc = sum(trigger == "Sc")), keyby = ID]
# right join with lookup table to get matching categories, drop undefined categories
categorised <- lut1D[tmp, on = .(t1, t2), nomatch = NULL]
# count categories
dcast(categorised, ID + Nb_trig + Nb_Sc ~ category, fun = length)
Sinh Nguyen's data 我们得到
ID Nb_trig Nb_Sc hit miss fa cr 1: P1 96 21 4 17 15 33 2: P2 104 25 6 19 17 33
请注意，我为每个ID 添加了触发值计数Nb_trig。因此，对于P1，记录了 96 个trigger 值，产生 95 个长度为 2 的子序列。
data.table，因为我更熟悉它。 dplyr & tidyr 也可以。data.table的命令链。t1 和列 t2用于后续触发值。lut1d 如下所示t1 t2 category 1: other other cr 2: Sc other miss 3: other Sc cr 4: Sc Sc miss 5: other resp fa 6: Sc resp hit
tmp已经变成了ID t1 t2 Nb_trig Nb_Sc 1: P1 Sc Sc 96 21 2: P1 Sc other 96 21 3: P1 other Sc 96 21 4: P1 Sc other 96 21 5: P1 other other 96 21 --- 194: P2 other other 104 25 195: P2 other other 104 25 196: P2 other resp 104 25 197: P2 resp other 104 25 198: P2 other resp 104 25
categorised是t1 t2 category ID Nb_trig Nb_Sc 1: Sc Sc miss P1 96 21 2: Sc other miss P1 96 21 3: other Sc cr P1 96 21 4: Sc other miss P1 96 21 5: other other cr P1 96 21 --- 140: other resp fa P2 104 25 141: other other cr P2 104 25 142: other other cr P2 104 25 143: other resp fa P2 104 25 144: other resp fa P2 104 25
197: P2 resp other 104 25二维查找表很容易修改。例如，我们可以引入一个新类别dr（重复响应）来涵盖参与者连续两次或多次按下按钮的情况。
lut2D <- fread(
"t1 other Sc resp
other cr cr fa
Sc miss miss hit
resp NA NA dr"
)
通过修改后的分类和Sinh Nguyen's data我们得到
ID Nb_trig Nb_Sc hit miss fa cr dr 1: P1 96 21 4 17 15 33 8 2: P2 104 25 6 19 17 33 6
这个结果可以帮助解释Sinh Nguyen's answer 和AnilGoyals's answer 之间的区别，正如Sinh Nguyen's comment 中所讨论的那样。
【讨论】：