Используйте ddply() для агрегации относительного количества гистограмм

В связи с предыдущим вопросом, который я задал ( ggplot2, как получить 2 гистограммы со значением y = для подсчета одного / суммы подсчета обоих), я попытался написать функцию, которая бы принимала data.frame в качестве входных данных с ответом время (RT) и точность (правильность) нескольких участников в нескольких условиях, и выводит "итоговый" data.frame с данными, агрегированными, как в гистограмме. Специфика здесь в том, что я не хочу получать абсолютное количество ответов в каждом бине, а относительное количество.

Относительный счет я называю тем, что для каждого бина гистограммы значение соответствует:

relative_correct   = ncorrect / sum(ncorrect+nincorrect)
relative_incorrect = nincorrect / sum(ncorrect+nincorrect)

Результат фактически близок к графику плотности, за исключением того, что это не сумма каждой кривой, равной 1, а сумма правильных и неправильных кривых.

Вот код для создания примера данных:

# CREATE EXAMPLE DATA
subjectname <- factor(rep(c("obs1","obs2"),each=50))
Visibility  <- factor(rep(rep(c("cond1","cond2"),each=25),2)) 
RT          <- rnorm(100,300,50)
correct     <- sample(c(rep(0,25),rep(1,75)),100)
my.data <- data.frame(subjectname,Visibility,RT,correct)

Сначала мне нужно определить функцию для последующего использования в ddply

histRTcounts <- function(df) {out = hist(df$RT, breaks=seq(5, 800, by=10), plot=FALSE)
                          out = out$counts}

И затем основная функция (есть 2 небольших проблемы, которые мешают ей работать как внутри функции, смотрите строки с?????, но вне функции этот код работает).

relative_hist_count <- function(df, myfactors) {
  require(ggplot2)
  require(plyr)
  require(reshape2)

  # ddply it to get one column for each bin of the histogram
  myhistRTcounts <- ddply(df, c(myfactors,"correct"), histRTcounts)

  # transform it in long format
  myhistRTcounts.long = melt(myhistRTcounts, id.vars =c(myfactors,"correct"), variable.name="bin", value.name = 'mycount')

  # rename the bin names with the ms value they correspond to
  levels(myhistRTcounts.long$bin) <- seq(5, 800, by=10)[-1]-5

  # make them numeric and not a factor anymore
  myhistRTcounts.long$bin = as.numeric(levels(myhistRTcounts.long$bin))[myhistRTcounts.long$bin]

  # cast to have count_correct and count_incorrect as columns
  # ??????????????????????? problem when putting that into a function
  # Here I was not able to figure out how to combine myfactors to the other variables in the call
  myhistRTcount.short = dcast(myhistRTcounts.long, subjectname + Visibility + bin ~ correct)
  names(myhistRTcount.short)[4:5] <- c("countinc","countcor")

  # compute relative counts
  myhistRTcounts.rel <- ddply(myhistRTcount.short, myfactors, transform, 
                          incorrect = countinc / sum(countinc+countcor),
                          correct = countcor / sum(countinc+countcor)
  )
  myhistRTcounts.rel = subset(myhistRTcounts.rel,select=c(-countinc,-countcor))

  myhistRTcounts.rel.long = melt(myhistRTcounts.rel, id.vars = c(myfactors,"bin"), variable.name = 'correct', value.name = 'mycount')

  # ??????????????????????? idem here, problem when putting that into a function to call myfactors
  ggplot(data=myhistRTcounts.rel.long, aes(x=bin, y=mycount, color=factor(correct))) + geom_line() + facet_grid(Visibility ~ subjectname) + xlim(0, 600) + theme_bw()

  return(myhistRTcounts.rel.long)

Призыв применить его к данным

new.df = relative_hist_count(my.data, myfactors = c("subjectname","Visibility"))

Итак, во-первых, мне нужна ваша помощь, чтобы заставить это работать как функцию с возможностью использования переменной myfactors в dcast() и ggplot().

Но что еще более важно, я почти уверен, что эта функция может быть написана гораздо более элегантно и простым способом, с меньшим количеством шагов.

Заранее спасибо за вашу помощь!

Источник

2 ответа

Решение

Спасибо Роланд, я не думал о написании самодельной функции истории. Пожалуйста, найдите это ниже:

RelativeHistRT <- function (df, breaks = seq(5,800,10)) 
{
  distrib.correct   = hist(df$RT[df$correct==1], breaks, right=FALSE, plot=FALSE)
  distrib.incorrect = hist(df$RT[df$correct==0], breaks, right=FALSE, plot=FALSE)

  n.total = sum(distrib.correct$counts) + sum(distrib.incorrect$counts)

  data.frame(bin_mids  = distrib.correct$mids,
         correct   = distrib.correct$counts / n.total,
         incorrect = distrib.incorrect$counts / n.total)
}

И применить его к моему оригинальному data.frame и получить то, что я искал:

myhistRTcounts <- ddply(my.data, .(subjectname,Visibility), RelativeHistRT)

Это действительно намного короче и делает именно то, что я искал.

Источник

Может быть, это помогает с настройкой данных?

countfun <- function(x,...) {
  res <- hist(x,plot=FALSE,...)
  data.frame(counts=res$counts,
             break1=res$breaks[-length(res$breaks)],
             break2=res$breaks[-1])
}

library(plyr)
plot.dat <- ddply(my.data,.(Visibility),function(df){
  res <- ddply(df,.(correct),function(df2) {countfun(df2$RT,breaks=seq(100, 600, by=10))})
  res$freq2 <- res$counts/nrow(df)
  res
})

Вам, вероятно, нужно целое parse, eval, as.formula материал для обобщения на произвольные факторы. У меня сейчас нет на это времени.

Однако, если вы планируете обобщить, было бы лучше изменить hist функция для принятия параметра для использования в качестве фактора на счетчиках.

Источник
Другие вопросы по тегам