我正在尝试计算此数据框的均值并将它们分组为一个故事！我知道如何在 excel 中使用 averageifs 来做到这一点，但因为我想最终获得标准差和变异系数 (CV)，所以我需要在 R 中学习。
现在我只需要平均值。这是我的条件：
我需要一个表格，其中“stim_ending_t”是我的时间间隔从 1.0 到 3.5 连续排列。对于时间间隔，我需要在计算“key_resp_2.rt”的平均值时满足这三个条件
仅图像可见性和音量（V=1 & s=0）
只有声音（V=0 & s=1）
空白（V=0 & s=0）
【问题讨论】：
标签： r conditional-statements mean
这将计算 stim_ending_t (6) x 模态 (3) = 18 组均值。
首先，我生成一些数据，例如您的 analysis_v 或 analysis_a 数据框：
library(dplyr)
library(tidyr)
analysis_v <- data.frame(stim_ending_t = rep(seq(1, 3.5, 0.5), each = 30),
visbility = rep(c(1, 0, 0), 60),
soundvolume = rep(c(0, 1, 0), 60),
key_resp_2.rt = runif(180, 1, 5))
然后我将对象通过管道传输到代码块中：
analysis_v %>%
group_by(stim_ending_t, visbility, soundvolume) %>%
summarize(average = mean(key_resp_2.rt)) %>%
ungroup() %>%
mutate(key = case_when(visbility == 0 & soundvolume == 0 ~ "blank",
visbility == 0 & soundvolume == 1 ~ "only_sound",
visbility == 1 & soundvolume == 0 ~ "only_images")) %>%
select(-visbility, -soundvolume) %>%
spread(key, average)
这会导致请求的输出格式：
# A tibble: 6 x 4
stim_ending_t blank only_images only_sound
<dbl> <dbl> <dbl> <dbl>
1 1 3.28 3.55 2.84
2 1.5 2.64 3.11 2.32
3 2 3.27 3.72 2.42
4 2.5 2.14 3.01 2.30
5 3 2.47 3.03 3.02
6 3.5 2.93 2.92 2.78
您需要使用 analysis_a 重复代码块才能获得这些方法。
【讨论】：
p1_visual <- p1[p1$Opening_text=="For these trials attend to Visual", ] p1_auditory <- p1[p1$Opening_text=="For these trials attend to Auditory", ] # 为视觉变量创建胜利者 blank_V <- c('stim_ending_t','visbility','soundvolume','key_resp_2.rt') # 创建数据框仅用于视觉变量 analysis_v <- p1_visual[blank_V] # 我对 A 做了类似的事情，然后使用你的代码并将 your_data 更改为 analysis_A 让我知道这是否是你要求的？
感谢您@Matthew Schuelke 的帮助，但是对于您的代码，我每次运行代码时都会得到不同的结果。
这是我用这段代码解决问题的方法：
name of the new data = (name of the data frame without the parentheses) %>%
group_by(stim_ending_t, visbility, soundvolume, Opening_text) %>%
summarize(m = mean(key_resp_2.rt),
sd = sd(key_resp_2.rt),
coefVar = cv(key_resp_2.rt))
我想要的结果：
stim_ending_t visbility soundvolume Opening_text m sd coefVar
<dbl> <dbl> <dbl> <chr> <dbl> <dbl> <dbl>
1 1 0 0 Now focus on the Image 1.70 1.14 0.670
2 1 0 0 Now focus on the Sound 1.57 0.794 0.504
3 1 0 1 Now focus on the Image 1.62 1.25 0.772
4 1 0 1 Now focus on the Sound 1.84 1.17 0.637
5 1 1 0 Now focus on the Image 3.19 17.2 5.38
6 1 1 0 Now focus on the Sound 1.59 0.706 0.444
【讨论】：