R - 根据条件排除参与者（超过 10% 的响应——变量：延迟——小于 300 毫秒）

Question

我正在尝试排除符合排除标准的数据（参与者）：排除超过 10% 的响应时间小于 300 毫秒的数据（参与者）。

所以让它更容易理解，这里是一个数据的例子（假的）（假设数据名称是 MyData）：

structure(list(ID = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L
), .Label = c("rladb11", "rladb7"), class = "factor"), blocknum = c(1L, 
2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 4L, 1L, 2L, 2L, 2L, 2L, 
2L, 3L, 3L, 3L, 3L, 3L, 4L), latency = c(322L, 277L, 243L, 188L, 
642L, 155L, 122L, 233L, 280L, 142L, 834L, 243L, 332L, 243L, 275L, 
432L, 524L, 534L, 143L, 533L, 242L, 234L, 523L, 142L)), class = "data.frame", row.names = c(NA, 
-24L))

所以我们有变量——ID、Block(1-4)、延迟。 延迟衡量的是他们在正确响应之前所花费的时间。

我需要做的是排除响应太快以至于我们认为他们没有注意的参与者 (ID)。因此，其标准是如果在 第 2、3 块期间有超过 10% 的响应 小于 300 毫秒，他们将被排除在外。

但是这里提供的数据是原始（假）数据。我们的主要数据——总结——是分开的。所以我们需要一份被排除在外的名单。

如何获取不符合条件的参与者 ID 的列表？

所以有了这个数据集，我们想看看结果，

rladb7

--------（旧）数据问题如下------------

我试图通过使用子集函数来做到这一点

如果latencyPercent 大于10%，则最后打印。

然后对所有 100~ 名参与者做同样的事情，找出那些做得太快的人。

但问题是：

1. 执行这种排除方法的工作量太大——效率不高——仅将所有 100~ 个参与者的数据逐个子集化。
2. 我不应该计算他们对第 1、4 块的响应（只需要第 2,3 块的响应）

我对 R 编程非常陌生，所以任何帮助都会非常有帮助和感激..!!有没有人对如何有效排除这些有很好的建议？

Answer 1

我们可以找到小于 300 的latency 的比率，其中blocknum 是2:3 对于每个ID，并且只保留比率大于 10% 的那些 ID。

library(dplyr)

Mydata %>%
   group_by(ID) %>%
   filter(mean(latency < 300 & blocknum %in% 2:3) > 0.1)


#    ID     blocknum latency
#   <fct>     <int>   <int>
# 1 rladb7        1     322
# 2 rladb7        2     277
# 3 rladb7        2     243
# 4 rladb7        2     188
# 5 rladb7        2     642
# 6 rladb7        2     155
# 7 rladb7        3     122
# 8 rladb7        3     233
# 9 rladb7        3     280
#10 rladb7        3     142
#11 rladb7        3     834
#12 rladb7        4     134

---

要只得到ID，我们可以pull：

Mydata %>%
  group_by(ID) %>%
  filter(mean(latency < 300 & blocknum %in% 2:3) > 0.1) %>% 
  distinct(ID) 

#    ID    
#  <fct> 
#1 rladb7