如何高效计算并绘制每位参与者每10试次的反应选择比例分面图

第一步：批量预处理全量数据（推荐，效率最高，兼容200+被试） #

用dplyr分组操作一次性计算所有被试所有试次块的选择占比，无需循环单个处理：

library(dplyr)
library(tidyr)

# 全量数据直接处理，无需逐被试筛选
processed_df <- banditData %>%
  # 按被试分组，为每个被试的试次划分10个一组的块
  group_by(participant_num) %>%
  mutate(
    # 每10个试次归为一个块，1-10为块1，11-20为块2，以此类推
    trial_bin = ceiling(trial / 10),
    # 绘图用x轴坐标，取每个块的最后一个试次，和原有刻度对齐
    plot_x = trial_bin * 10
  ) %>%
  # 按被试、试次块、反应选项分组，统计每组数量
  group_by(participant_num, trial_bin, plot_x, resp) %>%
  summarise(count = n(), .groups = "drop") %>%
  # 计算每个试次块内两个反应的占比
  group_by(participant_num, trial_bin) %>%
  mutate(resp_prop = count / sum(count)) %>%
  ungroup() %>%
  # 把resp值替换为原有bandit命名，对应臂1/臂2
  mutate(bandit = ifelse(resp == 0, "臂1", "臂2"))

小提示：如果你的试次编号从0开始，调整trial_bin = ceiling((trial + 1)/10)即可保证分箱正确。

第二步：分面绘图代码 #

直接添加分面参数即可，和原有绘图逻辑完全兼容：

ggplot() +
  # 原有奖励率虚线层，若rewardDF也要分面需要补充participant_num列
  geom_line(data=rewardDF,aes(x=Trial,y=pHappy,colour=Bandit), linetype="dashed", size=1.03)+
  # 选择比例的点和线，直接用预处理好的processed_df
  geom_point(data=processed_df,aes(x=plot_x, y=resp_prop,colour=bandit,shape=bandit),size=3)+
  geom_line(data=processed_df,aes(x=plot_x, y=resp_prop,colour=bandit),size=1)+
  scale_shape_manual(values=SymTypes)+
  scale_colour_manual(values=cbPalette)+
  labs(col='bandit',y='p(choice)',x='trials')+
  scale_x_continuous(breaks = seq(0,200,by=10), limits=c(0,203), expand=c(0,0))+
  scale_y_continuous(breaks = seq(0,1,by=0.1), limits=c(0,1.03), expand=c(0.02,0))+
  theme_bw() +
  # 新增分面设置，按被试纵向排列
  facet_grid(participant_num ~ .) +
  # 被试数量多的话可调整height参数控制输出尺寸
  ggsave("data/all_subject_pchoice.png", scale=2,dpi = 300, height = 100, limitsize = FALSE)

如果被试太多纵向排列过长，可以改成facet_wrap(~participant_num, ncol = 4)调整列数，按需修改ncol参数即可。

可选：直接在ggplot内计算占比（无需单独预处理） #

如果不想单独写预处理代码，可以用stat_summary_bin直接按10试次分箱计算占比：

ggplot(banditData, aes(x = trial, colour = "臂1")) +
  # 计算resp=0的选择占比，分箱宽度为10
  stat_summary_bin(aes(y = as.numeric(resp == 0)), fun = mean, binwidth = 10, geom = "point", size = 3) +
  stat_summary_bin(aes(y = as.numeric(resp == 0)), fun = mean, binwidth = 10, geom = "line", size = 1) +
  # 叠加resp=1的选择占比
  stat_summary_bin(aes(y = as.numeric(resp == 1), colour = "臂2"), fun = mean, binwidth = 10, geom = "point", size = 3) +
  stat_summary_bin(aes(y = as.numeric(resp == 1), colour = "臂2"), fun = mean, binwidth = 10, geom = "line", size = 1) +
  # 其余原有参数不变，添加分面即可
  facet_grid(participant_num ~ .) +
  scale_shape_manual(values=SymTypes)+
  scale_colour_manual(values=cbPalette)+
  labs(col='bandit',y='p(choice)',x='trials')+
  scale_x_continuous(breaks = seq(0,200,by=10), limits=c(0,203), expand=c(0,0))+
  scale_y_continuous(breaks = seq(0,1,by=0.1), limits=c(0,1.03), expand=c(0.02,0))+
  theme_bw()

内容的提问来源于stack exchange，提问作者Ilaria