R-将变量除以该变量的参与者平均值时，二元运算符的非数值参数

我对一些代码有问题。 我的目标是将延迟变量的每个值除以每个参与者的延迟平均值。也就是说，我想将参与者1的所有延迟除以参与者的平均延迟，将参与者2的所有延迟除以参与者2的平均延迟，依此类推。 错误消息是：

“延迟/平均值错误（延迟，na.rm=TRUE）： 二进制运算符的非数值参数 此外：警告信息： 1：平均值。默认值（延迟）： 参数不是数字或逻辑：返回NA 2：平均默认值（延迟，na.rm=TRUE）： 参数不是数字或逻辑：返回NA“

重要的是，该代码可用于另一个数据集。 下面是我用来尝试实现这一点的代码，以及一些重现错误的示例数据：

              rt = df2$latency) as.numeric(df2$latency) na.omit(df2$latency) temp <-  ddply(xy, c('participant'), transform, avg = mean(latency),
          x = latency / mean(latency, na.rm = TRUE)

#Example Data
> dput(head (df2, 20))
structure(list(participant = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), timestamp = c(1547125307L, 
1547125307L, 1547125307L, 1547125307L, 1547125307L, 1547125307L, 
1547125307L, 1547125307L, 1547125307L, 1547125307L, 1547125307L, 
1547125307L, 1547125307L, 1547125307L, 1547125307L, 1547125307L, 
1547125307L, 1547125307L, 1547125307L, 1547125307L), dominance = c(0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L), blocknum = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), trialnum = 1:20, 
 condition = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "CFS", class = "factor"), 
 eyesidecfs = structure(c(1L, 2L, 2L, 1L, 2L, 2L, 2L, 1L, 
 1L, 1L, 1L, 1L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 2L), .Label = c("lefteye", 
 "righteye"), class = "factor"), stimside = structure(c(2L, 
 1L, 1L, 1L, 2L, 2L, 2L, 1L, 1L, 2L, 2L, 2L, 1L, 1L, 2L, 1L, 
 1L, 1L, 2L, 2L), .Label = c("left", "right"), class = "factor"), 
 stimpos = c(-97L, -97L, -83L, -55L, -47L, -1L, 61L, 46L, 
 -4L, 28L, -60L, 16L, 11L, 77L, 96L, 52L, -29L, 23L, 84L, 
 93L), stimulus = structure(c(6L, 41L, 13L, 45L, 1L, 45L, 
 40L, 44L, 19L, 38L, 13L, 35L, 39L, 16L, 3L, 33L, 25L, 4L, 
 2L, 9L), .Label = c("attr_male_0.bmp", "attr_male_1.bmp", 
 "attr_male_10.bmp", "attr_male_11.bmp", "attr_male_12.bmp", 
 "attr_male_13.bmp", "attr_male_14.bmp", "attr_male_15.bmp", 
 "attr_male_16.bmp", "attr_male_17.bmp", "attr_male_18.bmp", 
 "attr_male_19.bmp", "attr_male_2.bmp", "attr_male_20.bmp", 
 "attr_male_21.bmp", "attr_male_3.bmp", "attr_male_4.bmp", 
 "attr_male_5.bmp", "attr_male_6.bmp", "attr_male_7.bmp", 
 "attr_male_8.bmp", "attr_male_9.bmp", "practice_0.png", "practice_1.png", 
 "unattr_male_0.bmp", "unattr_male_1.bmp", "unattr_male_10.bmp", 
 "unattr_male_11.bmp", "unattr_male_12.bmp", "unattr_male_13.bmp", 
 "unattr_male_14.bmp", "unattr_male_15.bmp", "unattr_male_16.bmp", 
 "unattr_male_17.bmp", "unattr_male_18.bmp", "unattr_male_19.bmp", 
 "unattr_male_2.bmp", "unattr_male_20.bmp", "unattr_male_21.bmp", 
 "unattr_male_3.bmp", "unattr_male_4.bmp", "unattr_male_5.bmp", 
 "unattr_male_6.bmp", "unattr_male_7.bmp", "unattr_male_8.bmp", 
 "unattr_male_9.bmp"), class = "factor"), response = structure(c(1L, 
 2L, 2L, 2L, 1L, 1L, 1L, 2L, 2L, 1L, 1L, 1L, 2L, 2L, 1L, 2L, 
 2L, 2L, 1L, 1L), .Label = c("num_5", "s", "None"), class = "factor"), 
 correct = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), latency = c("0.957696499963", 
 "0.791598779233", "1.10196583883", "1.47500942541", "1.10195224516", 
 "0.874937406699", "0.974977383185", "0.891667885011", "0.925115802807", 
 "1.29170322855", "1.10850134231", "1.27520744911", "2.82531718331", 
 "1.40841043117", "2.24205221134", "1.1019921939", "0.74171666964", 
 "1.32521745017", "1.12505149643", "0.891592148851"), stimulus2 = structure(c(6L, 
 41L, 13L, 45L, 1L, 45L, 40L, 44L, 19L, 38L, 13L, 35L, 39L, 
 16L, 3L, 33L, 25L, 4L, 2L, 9L), .Label = c("attr_male_0.bmp", 
 "attr_male_1.bmp", "attr_male_10.bmp", "attr_male_11.bmp", 
 "attr_male_12.bmp", "attr_male_13.bmp", "attr_male_14.bmp", 
 "attr_male_15.bmp", "attr_male_16.bmp", "attr_male_17.bmp", 
 "attr_male_18.bmp", "attr_male_19.bmp", "attr_male_2.bmp", 
 "attr_male_20.bmp", "attr_male_21.bmp", "attr_male_3.bmp", 
 "attr_male_4.bmp", "attr_male_5.bmp", "attr_male_6.bmp", 
 "attr_male_7.bmp", "attr_male_8.bmp", "attr_male_9.bmp", 
 "practice_0.png", "practice_1.png", "unattr_male_0.bmp", 
 "unattr_male_1.bmp", "unattr_male_10.bmp", "unattr_male_11.bmp", 
 "unattr_male_12.bmp", "unattr_male_13.bmp", "unattr_male_14.bmp", 
 "unattr_male_15.bmp", "unattr_male_16.bmp", "unattr_male_17.bmp", 
 "unattr_male_18.bmp", "unattr_male_19.bmp", "unattr_male_2.bmp", 
 "unattr_male_20.bmp", "unattr_male_21.bmp", "unattr_male_3.bmp", 
 "unattr_male_4.bmp", "unattr_male_5.bmp", "unattr_male_6.bmp", 
 "unattr_male_7.bmp", "unattr_male_8.bmp", "unattr_male_9.bmp"
 ), class = "factor"), Group = c(1, 2, 1, 2, 1, 2, 2, 2, 1, 
 2, 1, 2, 2, 1, 1, 2, 2, 1, 1, 1)), row.names = 5:24, class = "data.frame")```

rt=df2$latency）as.numeric（df2$latency）na.omit（df2$latency）temp dput（head（df2，20））
结构（列表）（参与者=c（1L、1L、1L、1L、1L、1L、1L、1L、，
1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，时间戳=c（1547125307L，
1547125307L、1547125307L、1547125307L、1547125307L、1547125307L、，
1547125307L、1547125307L、1547125307L、1547125307L、1547125307L、，
1547125307L、1547125307L、1547125307L、1547125307L、1547125307L、，
1547125307L，1547125307L，1547125307L，1547125307L），优势度=c（0L，
0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，
0L，0L，0L），blocknum=c（1L，1L，1L，1L，1L，1L，1L，
1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，trialnum=1:20，
条件=结构（c（1L，1L，1L，1L，1L，1L，1L，1L，
1L、1L、1L、1L、1L、1L、1L、1L、1L、1L、1L、1L），.Label=“CFS”，class=“factor”），
眼边CFS=结构（c（1L，2L，2L，1L，2L，2L，2L，
1L，1L，1L，1L，1L，2L，1L，2L，2L，1L，2L，2L），标签=c（“左眼”，
“右眼”），class=“factor”），stimside=结构（c（2L，
1L、1L、1L、2L、2L、2L、1L、1L、2L、2L、2L、1L、1L、2L、1L、2L、1L、，
1L，1L，2L，2L），.Label=c（“左”，“右”），class=“系数”），
stimpos=c（-97L，-97L，-83L，-55L，-47L，-1L，61L，46L，
-4L，28L，-60L，16L，11L，77L，96L，52L，-29L，23L，84L，
刺激=结构（c（6L，41L，13L，45L，1L，45L，
40L、44L、19L、38L、13L、35L、39L、16L、3L、33L、25L、4L、，
2L，9L），.Label=c（“attr_male_0.bmp”，“attr_male_1.bmp”，
“attr_male_10.bmp”、“attr_male_11.bmp”、“attr_male_12.bmp”，
“attr_male_13.bmp”、“attr_male_14.bmp”、“attr_male_15.bmp”，
“attr_male_16.bmp”、“attr_male_17.bmp”、“attr_male_18.bmp”，
“attr_male_19.bmp”、“attr_male_2.bmp”、“attr_male_20.bmp”，
“attr_male_21.bmp”、“attr_male_3.bmp”、“attr_male_4.bmp”，
“attr_male_5.bmp”、“attr_male_6.bmp”、“attr_male_7.bmp”，
“attr_male_8.bmp”、“attr_male_9.bmp”、“practice_0.png”、“practice_1.png”，
“unattr_male_0.bmp”、“unattr_male_1.bmp”、“unattr_male_10.bmp”，
“unattr_male_11.bmp”、“unattr_male_12.bmp”、“unattr_male_13.bmp”，
“unattr_male_14.bmp”、“unattr_male_15.bmp”、“unattr_male_16.bmp”，
“unattr_male_17.bmp”、“unattr_male_18.bmp”、“unattr_male_19.bmp”，
“unattr_male_2.bmp”、“unattr_male_20.bmp”、“unattr_male_21.bmp”，
“unattr_male_3.bmp”、“unattr_male_4.bmp”、“unattr_male_5.bmp”，
“unattr_male_6.bmp”、“unattr_male_7.bmp”、“unattr_male_8.bmp”，
“unattr_male_9.bmp”），class=“factor”），响应=结构（c（1L，
2L、2L、2L、1L、1L、1L、2L、2L、1L、1L、1L、2L、2L、1L、2L、1L、2L、，
2升，2升，1升，1升），.Label=c（“数值5”，“s”，“无”），class=“系数”），
正确=c（1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，
1L，1L，1L，1L，1L，1L，1L，1L），延迟=c（“0.957696499963”，
"0.791598779233", "1.10196583883", "1.47500942541", "1.10195224516", 
"0.874937406699", "0.974977383185", "0.891667885011", "0.925115802807", 
"1.29170322855", "1.10850134231", "1.27520744911", "2.82531718331", 
"1.40841043117", "2.24205221134", "1.1019921939", "0.74171666964", 
“1.32521745017”、“1.12505149643”、“0.891592148851”），刺激物2=结构（c（6L，
41L、13L、45L、1L、45L、40L、44L、19L、38L、13L、35L、39L、，
16L、3L、33L、25L、4L、2L、9L），.Label=c（“attr_male_0.bmp”，
“attr_male_1.bmp”、“attr_male_10.bmp”、“attr_male_11.bmp”，
“attr_male_12.bmp”、“attr_male_13.bmp”、“attr_male_14.bmp”，
“attr_male_15.bmp”、“attr_male_16.bmp”、“attr_male_17.bmp”，
“attr_male_18.bmp”、“attr_male_19.bmp”、“attr_male_2.bmp”，
“attr_male_20.bmp”、“attr_male_21.bmp”、“attr_male_3.bmp”，
“attr_male_4.bmp”、“attr_male_5.bmp”、“attr_male_6.bmp”，
“attr_male_7.bmp”、“attr_male_8.bmp”、“attr_male_9.bmp”，
“practice_0.png”、“practice_1.png”、“unattr_male_0.bmp”，
“unattr_male_1.bmp”、“unattr_male_10.bmp”、“unattr_male_11.bmp”，
“unattr_male_12.bmp”、“unattr_male_13.bmp”、“unattr_male_14.bmp”，
“unattr_male_15.bmp”、“unattr_male_16.bmp”、“unattr_male_17.bmp”，
“unattr_male_18.bmp”、“unattr_male_19.bmp”、“unattr_male_2.bmp”，
“unattr_male_20.bmp”、“unattr_male_21.bmp”、“unattr_male_3.bmp”，
“unattr_male_4.bmp”、“unattr_male_5.bmp”、“unattr_male_6.bmp”，
“unattr_male_7.bmp”、“unattr_male_8.bmp”、“unattr_male_9.bmp”
)，class=“factor”），组=c（1,2,1,2,1,2,2,2,1，
2,1,2,2,1,1,2,2,1,1,1），row.names=5:24，class=“data.frame”）```

查看

dput（）

中的

latency

：

latency=c（“0.957696499963”…

。它是一个字符向量，而不是数字向量。我似乎无法将其转换为数字向量。as.numeric（df2$latency）什么都不做。有什么想法吗？通过上面提供的小摘录，当我执行

df2$latency Max时，只调用
as.numeric（df2$latency）
不会保存结果。您需要按照@user2474226的建议执行。