R 为重复的方差分析准备多个数据文件的修剪平均值
我有多个数据文件（以制表符分隔的txt文件），格式如下： 制作了一些示例文件 我想排除边远的RT，并对RT的平均值和文件的分数（带因子条件）进行方差分析。到目前为止，我已经以一种非常丑陋的方式完成了这项工作，并按主题进行了行（我更喜欢将行格式化为subjectxcondition） 我当前的尝试使用for循环：R 为重复的方差分析准备多个数据文件的修剪平均值,r,R,我有多个数据文件（以制表符分隔的txt文件），格式如下： 制作了一些示例文件 我想排除边远的RT，并对RT的平均值和文件的分数（带因子条件）进行方差分析。到目前为止，我已经以一种非常丑陋的方式完成了这项工作，并按主题进行了行（我更喜欢将行格式化为subjectxcondition） 我当前的尝试使用for循环： all_data<-data.frame(rbind(1:27)) #make empty data.frame all_data for(i in 1:2) { n= pa
all_data<-data.frame(rbind(1:27)) #make empty data.frame
all_data
for(i in 1:2)
{
n= paste(i,".txt", sep="")
a<- sprintf("table%d", i, i)
data <- read.table(toString(n), header = TRUE, sep = "\t")
所有数据我会使用plyr
软件包中的ddply
。例如：
require(plyr)
res <- lapply(list.files(pattern='^[1-2].txt'),function(ff){
## you read the file
data <- read.table(ff, header=T, quote="\"")
## remove the outlier
data <- data[data$RT>200,]
data <- ddply(data,.(Condition),function(x) x[!abs(scale(x$RT)) > 3,])
## compute the mean
ddply(data,.(Condition,Reqresponse,Score),summarise,RT=mean(RT))
})
[[1]]
Condition Reqresponse Score RT
1 X a 0 500
2 X a 1 750
3 X b 0 500
4 X b 1 500
5 Y a 0 400
6 Y a 1 640
7 Y b 1 1000
8 Z a 0 1000
9 Z a 1 1675
10 Z b 0 400
[[2]]
Condition Reqresponse Score RT
1 X a 0 500
2 X a 1 750
3 X b 0 500
4 X b 1 500
5 Y a 0 400
6 Y a 1 640
7 Y b 1 1000
8 Z a 0 1000
9 Z a 1 1675
10 Z b 0 400
require（plyr）
res我会使用plyr
软件包中的ddply
来实现这一点。例如：
require(plyr)
res <- lapply(list.files(pattern='^[1-2].txt'),function(ff){
## you read the file
data <- read.table(ff, header=T, quote="\"")
## remove the outlier
data <- data[data$RT>200,]
data <- ddply(data,.(Condition),function(x) x[!abs(scale(x$RT)) > 3,])
## compute the mean
ddply(data,.(Condition,Reqresponse,Score),summarise,RT=mean(RT))
})
[[1]]
Condition Reqresponse Score RT
1 X a 0 500
2 X a 1 750
3 X b 0 500
4 X b 1 500
5 Y a 0 400
6 Y a 1 640
7 Y b 1 1000
8 Z a 0 1000
9 Z a 1 1675
10 Z b 0 400
[[2]]
Condition Reqresponse Score RT
1 X a 0 500
2 X a 1 750
3 X b 0 500
4 X b 1 500
5 Y a 0 400
6 Y a 1 640
7 Y b 1 1000
8 Z a 0 1000
9 Z a 1 1675
10 Z b 0 400
require（plyr）
你好，卢克。现在任何人都很难帮助你，因为我们没有关于1.txt、2.txt内容的好例子。您发布的示例数据没有必要的选项卡可供read.table（）
读取。也许你可以上传1.txt和2.txt到谷歌文档或类似的东西，并链接到它们？好的，我会让我的示例数据更好，第二节！再想一想，我会制作一个示例数据文件并上传。@luke123什么是所有数据
？这里对于（1:9中的o）所有的_数据[i，o]是文件索引。所有_数据都是一个帧，表示占用一行的每个数据文件。理想情况下，我希望每个数据文件占用一个rowHi luke的每个条件的平均值。现在任何人都很难帮助你，因为我们没有关于1.txt、2.txt内容的好例子。您发布的示例数据没有必要的选项卡可供read.table（）
读取。也许你可以上传1.txt和2.txt到谷歌文档或类似的东西，并链接到它们？好的，我会让我的示例数据更好，第二节！再想一想，我会制作一个示例数据文件并上传。@luke123什么是所有数据
？这里对于（1:9中的o）所有的_数据[i，o]是文件索引。所有_数据都是一个帧，表示占用一行的每个数据文件。理想情况下，我希望每个数据文件的每个条件都有一个方法，它占据了我for循环中的row1东西，允许我根据它们的文件名对某些数据文件进行反向评分，使它们在%c（2,4,6,7,9,11,14,16,18,19,21,23,25,28,30,32,34,36）中都具有可比性，{进行反向评分}，你能想出一种方法把它嵌入到plyr函数中吗？@luke123 yu已经从你的OP中删除了这一行。你是否谈论seq（from=1，to=4001，by=500）…
？但是这个结果和你期望的接近吗？是的，结果是非常好的欢呼——这句话我原以为是夸大了我原来的帖子，但现在我认为我应该包括在内。某些文件的响应a和b是反向的，我用脚本写的，这样我就可以在%c中反转I%（2,4,6,7,9,11,14,16,18,19,21,23,25,28,30,32,34,36）{data$Reqresponse[data$Reqresponse==“a”]我的for循环中有一个东西，它允许我根据某些数据文件的文件名对它们进行反向评分，使它们在%c中具有可比性（2,4,6,7,9,11,14,16,18,19,21,23,25,28,30,32,34,36）{做反向评分的东西}，你能想出一种方法把它嵌入到plyr函数中吗？@luke123 yu已经从你的作品中删除了这一行。你说的是seq（from=1，to=4001，by=500）…
？但这个结果是否与您预期的结果接近？是的，结果非常令人振奋——这是一行我原以为会使我的文章内容膨胀的内容，但现在我认为我应该包括在内。某些文件的响应a和b是反向的，我用脚本写的，就像我在%c中的%一样（2,4,6,7,9,11,14,16,18,19,21,23,25,28,30,34,36）{data$Reqresponse[data$Reqresponse==“a”]
data <- data[which(data$RT>200),]
data <- do.call(rbind,by(data,data$Condition,function(x) x[!abs(scale(x$RT)) > 3,] ))
RT<-as.vector(tapply(data$RT,list(data$Condition,data$Reqresponse, data$Score),mean))
for(j in 1:18)
{
all_data [i, j+9] <- RT[j]
}
}
require(plyr)
res <- lapply(list.files(pattern='^[1-2].txt'),function(ff){
## you read the file
data <- read.table(ff, header=T, quote="\"")
## remove the outlier
data <- data[data$RT>200,]
data <- ddply(data,.(Condition),function(x) x[!abs(scale(x$RT)) > 3,])
## compute the mean
ddply(data,.(Condition,Reqresponse,Score),summarise,RT=mean(RT))
})
[[1]]
Condition Reqresponse Score RT
1 X a 0 500
2 X a 1 750
3 X b 0 500
4 X b 1 500
5 Y a 0 400
6 Y a 1 640
7 Y b 1 1000
8 Z a 0 1000
9 Z a 1 1675
10 Z b 0 400
[[2]]
Condition Reqresponse Score RT
1 X a 0 500
2 X a 1 750
3 X b 0 500
4 X b 1 500
5 Y a 0 400
6 Y a 1 640
7 Y b 1 1000
8 Z a 0 1000
9 Z a 1 1675
10 Z b 0 400