在R中计算多被试各条件下变量的均值、标准差和标准误

方法一：修正plyr包ddply函数的用法 #

如果你坚持用ddply，大概率是自定义统计量的写法出了问题。假设你的数据框叫df，分组的条件列叫condition（实际列名不同的话替换成你的列名即可），可以这样写：

# 加载plyr包
library(plyr)

# 按条件分组计算均值、标准差、标准误
summary_stats <- ddply(df, .(condition), function(x) {
  data.frame(
    mean_freq = mean(x$frequency, na.rm = TRUE),
    sd_freq = sd(x$frequency, na.rm = TRUE),
    se_freq = sd(x$frequency, na.rm = TRUE) / sqrt(nrow(x))
  )
})

• .(condition) 指定按condition列分组
• na.rm = TRUE 忽略缺失值，避免计算返回NA
• 标准误（se）的计算公式为标准差 / 样本量的平方根，nrow(x)就是每个条件下的被试数（32）

方法二：用tidyverse的dplyr（更简洁高效） #

现在更推荐用tidyverse生态的dplyr，语法直观易读：

# 加载tidyverse（包含dplyr）
library(tidyverse)

summary_stats <- df %>%
  group_by(condition) %>%
  summarize(
    mean_freq = mean(frequency, na.rm = TRUE),
    sd_freq = sd(frequency, na.rm = TRUE),
    se_freq = sd_freq / sqrt(n())
  )

• group_by(condition) 按条件列分组
• n() 直接获取每组的样本量，无需手动计算行数
• 管道符%>%让代码逻辑连贯，从左到右读就是“取数据框→按条件分组→计算统计量”

注意事项 #

• 确认condition列是因子类型，若为字符型可提前用df$condition <- factor(df$condition)转换，避免绘图时顺序混乱
• 若数据存在缺失值，必须添加na.rm = TRUE，否则均值、标准差会返回NA
• 可通过count(df, condition)检查每个条件下的样本数是否为32

内容的提问来源于stack exchange，提问作者Anastazija Popesku