R语言实现多试次时间序列同索引均值计算及平均图绘制

你不需要先把长格式数据转为宽格式，以下分别提供你要求的for循环实现方案，以及适配大数据量的高效向量化方案，最终都可以得到长度等于单试次采样点数的平均瞳孔值向量，直接用于绘制平均曲线。

方案1：使用for循环实现 #

逻辑为：先确认单试次的采样点总数，逐位置遍历提取所有试次对应位置的瞳孔大小值，计算均值存入结果向量即可，仅需1层循环即可完成。

# 先构造示例测试数据
df <- data.frame(
  Pupil_Size = c(500,502,504,506,508,507,508,510,511,512,513,515,514,512,515),
  TrialNum = c(rep(1,5), rep(2,5), rep(3,5))
)

# 配置参数
all_trials <- unique(df$TrialNum)
sample_count_per_trial <- 5 # 实际1000Hz数据替换为单试次对应采样点数，即100
average_size <- numeric(sample_count_per_trial) # 初始化存储均值的向量

# 循环计算每个位置的跨试次均值
for (pos in 1:sample_count_per_trial) {
  # 提取当前位置所有试次的瞳孔值
  current_pos_vals <- sapply(all_trials, function(tid){
    df$Pupil_Size[df$TrialNum == tid][pos]
  })
  average_size[pos] <- mean(current_pos_vals)
}

方案2：高效向量化实现（无循环，适配大数据量） #

1000Hz采样下数据点总量大，循环运行效率偏低，可以直接给每个试次内的采样点添加顺序位置索引，再按位置分组求均值，代码更简洁运行更快：

library(dplyr)

avg_result <- df %>%
  group_by(TrialNum) %>%
  # 按原始行顺序给每个试次内的采样点标记位置序号
  mutate(sample_pos = row_number()) %>%
  ungroup() %>%
  # 按位置分组跨试次求均值
  group_by(sample_pos) %>%
  summarise(average_pupil_size = mean(Pupil_Size), .groups = "drop")

# 提取为向量即可直接用于绘图
average_size <- avg_result$average_pupil_size

注意事项 #

运行前请确认所有试次的采样点数量完全一致，且数据框内的行顺序没有被打乱，否则位置索引会错位，导致平均结果失真。
你给出的示例预期结果是取整后的数值，原始计算结果为c(506.67, 508.33, 509.33, 509.67, 511.67)，如果需要和示例完全一致，调用round(average_size)即可得到整数结果。

内容的提问来源于stack exchange，提问作者Daniel Frazer