如何显示每种主题在不同时期的速度进度

如何解决如何显示每种主题在不同时期的速度进度

我正在攻读MSc。论文，但是我很难在R上获得想要查看和分析的内容。

我有一个像这样的数据框：

Subject_ID   Type     Speed1      Speed2     Speed3    ...    Speed20
    1          A        25          27         24               31
    2          B        32          21         35               33
    3          B        21          25         27               29
    4          A        31          28         38               20
    5          A        30          22         21               28
    6          B        27          33         31               24

来自在z-Tree上编程的经济游戏。我正在使用R读取数据。 在游戏中，对象在每个单独的时段中选择速度，共有20个时段。 我想找到不同类型受试者之间的行为差​​异。

我想用每种类型的几个主题来描述每种类型的行为。例如，A类受试者使用（平均）较高的速度，但差异较大。另一方面，B型受试者在一段时间内的平均速度可能较低，但方差较低。

希望我希望看到按类型分组的统计信息。 另外，我希望看到一个像这样的图：

解决方法

这可能是一个很好的起点。如果要比较这两种类型，则应分析速度在所有主题上的演变方式，然后做出决定。您的数据格式较宽，因此要使用ggplot2函数，首先必须将pivot_longer()中tidyr中的tidyverse格式化为更长的时间。之后，可以设计绘图。此处的代码用于生成由Type分割并以速度使用色线的绘图。包含的图具有功能区，但是为了将它们添加到图中，必须在数据集中定义极限变量。接下来的解决方案：

library(tidyverse)
#Code
df %>% pivot_longer(cols = -c(Subject_ID,Type)) %>%
  rename(Speed=name) %>%
  mutate(Speed=factor(Speed,levels = unique(Speed))) %>%
  ggplot(aes(x=factor(Subject_ID),y=value,color=Speed,group=Speed))+
  geom_point()+
  geom_line(size=1)+
  theme_bw()+
  facet_wrap(.~Type,scales='free')+
  xlab('Subject')

输出：

使用了一些数据：

#Data
df <- structure(list(Subject_ID = 1:6,Type = c("A","B","A","B"),Speed1 = c(25L,32L,21L,31L,30L,27L),Speed2 = c(27L,25L,28L,22L,33L),Speed3 = c(24L,35L,27L,38L,31L),Speed20 = c(31L,33L,29L,20L,24L)),class = "data.frame",row.names = c(NA,-6L))

如果您不希望用Type来分割图，则可以避免使用该代码行作为方面：

#Code 2
df %>% pivot_longer(cols = -c(Subject_ID,group=Speed))+
  geom_point()+
  geom_line(size=1)+
  theme_bw()+
  xlab('Subject')

输出：

更新：可以将group_by()和summarise()与sum()一起使用，以便按类型与下一个代码汇总所有值：

#Code 3
df %>% pivot_longer(cols = -c(Subject_ID,Type)) %>%
  rename(Speed=name) %>%
  group_by(Subject_ID,Type) %>%
  summarise(value=sum(value)) %>%
  ggplot(aes(x=factor(Subject_ID),color=Type,group=Type))+
  geom_point()+
  geom_line(size=1)+
  theme_bw()+
  xlab('Subject')

输出：

按组计算均值和SD并重新安排绘图方案将产生以下结果：

#Code 4
df %>% pivot_longer(cols = -c(Subject_ID,Type) %>%
  summarise(Value=sum(value),Mean=mean(value),SD=sd(value),Low=Value-Mean*SD,Up=Value+Mean*SD) %>%
  ggplot(aes(x=factor(Subject_ID),y=Value,group=Type))+
  geom_line(size=1)+
  geom_point()+
  geom_ribbon(
    aes(ymin = Low,ymax = Up,fill=Type),alpha = 0.2
  )+
  theme_bw()+
  xlab('Subject')

输出：