R语言中结合case_when与lag()填充行为实验Response行编码

前置说明 #

假设你的原始数据框命名为behav_df，包含至少2个核心列：

• Code：记录刺激/反应编码，Response行对应值为NA
• Accuracy：记录目标反应准确率，1=正确，0=错误

实现逻辑 #

你提到的编码规则可以简化为统一计算公式，无需重复写判断条件：

新编码 = (目标刺激Code - 7) * 2 + 15 + (1 - 准确率)
验证：目标7正确时=(0)*2+15+0=15，错误时=15+1=16，完全匹配你的需求。

完整可运行代码 #

首先加载依赖包（如果没安装先运行install.packages("tidyverse")）：

library(tidyverse)

# 方法1：适用于每试次固定9行的情况（1前置+1启动+1目标+1后置+5Response=9行）
result_df <- behav_df %>%
  # 给每个试次分配唯一ID
  mutate(trial_id = ceiling(row_number()/9)) %>%
  # 按试次分组，提取当前试次的目标编码和对应准确率
  group_by(trial_id) %>%
  mutate(
    # 提取当前试次的目标刺激Code（7-12之间的数值）
    target_code = Code[between(Code,7,12)],
    # 提取当前试次的目标准确率
    target_acc = Accuracy[between(Code,7,12)]
  ) %>%
  ungroup() %>%
  # 替换Response行的NA编码
  mutate(
    Code = case_when(
      is.na(Code) ~ (target_code -7)*2 +15 + (1 - target_acc),
      TRUE ~ Code
    )
  ) %>%
  # 删除临时生成的辅助列
  select(-trial_id, -target_code, -target_acc)

# 方法2：如果试次行数不固定，用前置掩码Code=13作为新试次开始的标记
result_df <- behav_df %>%
  # 遇到Code=13就生成新的试次ID
  mutate(trial_id = cumsum(Code == 13)) %>%
  # 后续步骤和方法1完全一致
  group_by(trial_id) %>%
  mutate(
    target_code = Code[between(Code,7,12)],
    target_acc = Accuracy[between(Code,7,12)]
  ) %>%
  ungroup() %>%
  mutate(
    Code = case_when(
      is.na(Code) ~ (target_code -7)*2 +15 + (1 - target_acc),
      TRUE ~ Code
    )
  ) %>%
  select(-trial_id, -target_code, -target_acc)

验证方法 #

你可以先抽取前2个试次的数据测试输出是否符合预期：

# 查看前18行（2个试次）的结果
head(result_df, 18)

确认Code列的NA已经被替换为对应的15-26编码，且原有编码（1-14）保持不变，时序和原始数据完全一致，可直接用于后续分析。

内容的提问来源于stack exchange，提问作者Paul