В моей лаборатории есть отдельные группы для родителей и детей. У нас есть данные, собранные в одном фрейме данных прямо сейчас. Есть определенные c вопросы, которые задают детям, а некоторые задают родителям. Мы назвали их SCARED C (напуганный ребенок) и SCAREDP (напуганный родитель) соответственно. Естественно, SCARED C будет иметь NA для родителей, а SCAREDP будет иметь NA для детей в информационном кадре.
В настоящее время мой информационный кадр выглядит следующим образом
head(child_parent_total
familySID time SCAREDC1 SCAREDC2 SCAREDC3 SCAREDC4 SCAREDC5 SCAREDC6 SCAREDC7 SCAREDC8 SCAREDC9 SCAREDC10
1 1 Post NA NA NA NA NA NA NA NA NA NA
2 1 Pre 0 0 0 0 0 0 0 2 0 1
3 10 Post NA NA NA NA NA NA NA NA NA NA
4 10 Pre 0 0 1 1 0 0 0 1 0 0
5 101 Post 0 0 1 0 0 0 0 0 0 1
6 101 Pre 1 1 1 0 0 0 0 0 0 1
SCAREDC11 SCAREDC12 SCAREDC13 SCAREDC14 SCAREDC15 SCAREDC16 SCAREDC17 SCAREDC18 SCAREDC19 SCAREDC20
1 NA NA NA NA NA NA NA NA NA NA
2 0 0 0 0 0 0 1 0 0 0
3 NA NA NA NA NA NA NA NA NA NA
4 0 0 0 0 0 0 0 1 0 0
5 0 0 0 0 0 0 0 0 0 0
6 1 0 0 0 0 0 2 1 0 0
SCAREDC21 SCAREDC22 SCAREDC23 SCAREDC24 SCAREDC25 SCAREDC26 SCAREDC27 SCAREDC28 SCAREDC29 SCAREDC30
1 NA NA NA NA NA NA NA NA NA NA
2 1 0 0 0 1 1 0 0 1 0
3 NA NA NA NA NA NA NA NA NA NA
4 0 0 0 0 0 1 0 0 1 0
5 0 0 0 0 0 1 0 0 1 0
6 0 0 0 0 0 0 0 0 1 0
SCAREDC31 SCAREDC32 SCAREDC33 SCAREDC34 SCAREDC35 SCAREDC36 SCAREDC37 SCAREDC38 SCAREDC39 SCAREDC40
1 NA NA NA NA NA NA NA NA NA NA
2 0 2 0 0 1 0 1 0 1 1
3 NA NA NA NA NA NA NA NA NA NA
4 0 1 0 0 1 0 0 0 1 0
5 0 1 0 0 0 0 1 0 1 0
6 1 0 0 0 0 1 0 0 2 1
SCAREDC41 CDIC1 CDIC2 CDIC3 CDIC4 CDIC5 CDIC6 CDIC7 CDIC8 CDIC9 CDIC10 CDIC11 CDIC12 CDIC13 CDIC14 CDIC15
1 NA 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0
2 2 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0
3 NA 1 1 1 1 1 0 1 1 1 2 2 1 1 1 1
4 1 0 0 0 1 0 1 0 1 0 0 0 0 1 1 1
5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
6 0 0 1 1 1 1 0 0 0 0 0 1 1 1 0 1
CDIC16 CDIC17 CDIC18 CDIC19 CDIC20 CDIC21 CDIC22 CDIC23 CDIC24 CDIC25 CDIC26 CDIC27 SCAREDC_T
1 0 1 0 0 0 0 0 0 0 0 0 0 NA
2 0 1 0 0 0 0 0 0 0 0 0 0 15.99
3 1 1 0 1 1 1 1 0 1 1 1 1 NA
4 1 1 0 0 0 1 1 0 1 0 0 0 9.84
5 0 2 0 0 0 2 0 0 0 0 1 0 6.97
6 1 0 0 0 0 0 1 0 1 0 0 0 13.94
scared_pd_score scared_pd_res scared_gad_score scared_gad_res scared_sad_score scared_sad_res
1 NA <NA> NA <NA> NA <NA>
2 0 no 3 no 4 no
3 NA <NA> NA <NA> NA <NA>
4 1 no 1 no 3 no
5 0 no 1 no 1 no
6 2 no 0 no 2 no
scared_socad_score scared_socad_res scared_ssa_score scared_ssa_res CDIC_T cdic_negmood cdic_interp
1 NA <NA> NA <NA> 1.89 1 0
2 8 yes 1 no 1.89 1 0
3 NA <NA> NA <NA> 25.92 7 4
4 5 no 0 no 11.07 3 0
5 5 no 0 no 5.13 0 1
6 5 no 5 yes 11.07 2 2
cdic_ineffect cdic_anhedonia cdic_selfesteem SCAREDP1 SCAREDP2 SCAREDP3 SCAREDP4 SCAREDP5 SCAREDP6
1 0 1 0 0 0 0 0 0 0
2 0 1 0 0 0 0 0 0 0
3 12 7 5 0 0 0 0 1 0
4 8 5 1 0 0 0 0 0 0
5 0 4 0 0 0 1 0 0 0
6 12 3 1 0 0 0 0 0 0
SCAREDP7 SCAREDP8 SCAREDP9 SCAREDP10 SCAREDP11 SCAREDP12 SCAREDP13 SCAREDP14 SCAREDP15 SCAREDP16
1 0 0 0 0 0 0 0 0 0 0
2 0 0 0 0 0 0 0 0 0 0
3 0 1 0 0 0 0 0 0 0 0
4 0 1 0 0 0 0 0 0 0 0
5 0 0 0 0 0 0 0 0 0 0
6 0 1 0 0 0 0 0 0 0 0
SCAREDP17 SCAREDP18 SCAREDP19 SCAREDP20 SCAREDP21 SCAREDP22 SCAREDP23 SCAREDP24 SCAREDP25 SCAREDP26
1 0 0 0 0 0 0 0 0 0 0
2 0 0 0 0 0 0 0 0 0 1
3 0 0 0 0 1 0 0 0 0 0
4 0 0 0 0 1 0 0 0 0 0
5 0 1 0 0 0 0 0 0 0 0
6 0 0 0 0 0 0 0 0 0 0
SCAREDP27 SCAREDP28 SCAREDP29 SCAREDP30 SCAREDP31 SCAREDP32 SCAREDP33 SCAREDP34 SCAREDP35 SCAREDP36
1 0 0 0 0 0 1 0 0 1 0
2 0 0 0 0 0 1 0 0 0 0
3 0 0 0 0 0 0 0 0 0 0
4 0 0 0 0 0 0 0 0 1 0
5 0 0 0 0 0 0 0 0 0 0
6 0 0 0 0 0 0 0 0 0 0
SCAREDP37 SCAREDP38 SCAREDP39 SCAREDP40 SCAREDP41 CDIP1 CDIP2 CDIP3 CDIP4 CDIP5 CDIP6 CDIP7 CDIP8 CDIP9
1 0 0 0 0 1 0 0 0 0 0 0 1 0 0
2 0 0 0 0 1 0 0 0 0 0 0 0 0 0
3 0 0 0 0 1 1 1 1 1 1 1 1 0 0
4 0 0 0 0 1 1 1 1 1 0 1 0 0 2
5 0 0 0 0 0 1 1 0 0 0 1 1 0 1
6 0 0 0 0 0 0 0 0 0 0 0 0 0 1
CDIP10 CDIP11 CDIP12 CDIP13 CDIP14 CDIP15 CDIP16 CDIP17 SCAREDP_T CDIP_T
1 0 0 0 1 2 0 0 0 2.87 4.08
2 0 0 0 0 2 0 0 0 2.87 2.04
3 0 0 1 1 2 0 2 1 4.10 13.94
4 0 1 0 1 1 0 1 1 4.10 12.07
5 0 0 1 2 1 0 1 1 2.05 11.05
6 0 0 0 1 1 0 1 1 0.82 4.93
Я пытаюсь чтобы найти среднее и стандартное отклонение для SCARED C и SCAREDP по отдельности.
Я до сих пор играл с этим:
SCAREDC <- rowMeans(dplyr::select(child_parent_total, SCAREDC1:SCAREDC41), na.rm=TRUE)
Это не дало того, что мне было нужно .
Затем я подумал о том, чтобы просто использовать сводку, но опять же она не дала мне того, что мне нужно.
Итак, я подумал об использовании na.omit:
new_child_parent_total <- child_parent_total %>%
unlist %>%
na.omit %>%
as.data.frame
Конечно, при этом будут удалены все данные, так как у меня есть NA по всему фрейму данных.
Что мне здесь не хватает? Это вопрос объединения моих данных в определенные группы? Есть ли способ сделать это, используя функции dplyr, как я пытался ранее? (Должен отметить, что это сработало в прошлом, когда мы организовали разделение ребенка и родителей на отдельные кадры данных. Моя проблема в том, что я не могу понять, как найти средства и стандартные отклонения, когда они находятся в одном кадре. вместе)
Я знаю, что описать может вызвать эти описания, но опять же я не уверен, как это сделать.
После обсуждения с моими коллегами, кажется, есть несколько способов сделать это : descriptionby, na.rm / na.omit, aggregate, et c.
То, как я сейчас пробую, основано на работе постдо c в моей лаборатории. Он начал упорядочивать данные через familySID, а затем находил общее количество SCARED C и SCAREDP (SCAREDC_T и SCAREDP_T соответственно) и с помощью этого описания находил эти описания. Затем он делал это отдельно для каждого периода времени, а затем и для дополнительной шкалы, но это сверх того, что мне нужно сделать.
Моя текущая переделка выглядит следующим образом:
load(file="SCARED_Practice.rda")
child_parent_total$SCAREDC_T #adds new column for Scared Child Totals
child_parent_total$SCAREDP_T #adds new column for Scared Parent Totals
child_parent_total$familySID <- as.numeric(child_parent_total$familySID) #looks for familySID, describes as numeric
child_parent_total <- child_parent_total[order(child_parent_total$familySID),] #orders child_parent_total by familySID
Итак, я думаю, что угол, который я хочу взять, состоит в том, чтобы упорядочить их, затем агрегировать и находить итоговые значения, а затем находить описательные элементы, используя описание, чтобы избежать NA. Я застрял, хотя. Куда я иду не так?