如何在R中按年龄分组统计不同词提示的联想词频率？

我来帮你解决这个按年龄分组统计不同提示下联想词频率的问题，这里有两种常用的方法，你可以根据自己的习惯选择：

第一步：先创建年龄分组列 #

首先需要把你的原始数据中的年龄转换成指定的三个分组（15-30、31-45、46-60），假设你的数据框testdata里有一个名为age的列记录参与者年龄，用以下代码生成分组：

# 创建年龄分组列
testdata$age_group <- cut(testdata$age, 
                          breaks = c(14, 30, 45, 60), 
                          labels = c("15-30", "31-45", "46-60"),
                          include.lowest = TRUE)

• breaks设置分组的分界点，14确保15岁被包含在第一个组
• labels指定每个分组的名称，和你需要的列名格式匹配
• include.lowest = TRUE保证最小的年龄值（15）被包含在第一个组中

方法一：用Tidyverse（dplyr + tidyr）批量处理（推荐） #

这个方法代码更简洁，适合批量处理所有提示，不需要逐个手动处理：

library(dplyr)
library(tidyr)

# 1. 分组统计每个提示、年龄组下的联想词频率
freq_summary <- testdata %>%
  group_by(prompt, age_group, typedWord) %>%
  summarise(freq = n(), .groups = "drop")  # 统计每个组合的出现次数

# 2. 将数据转换为宽格式，生成你需要的列名（比如freqMedia15-30）
wide_freq_table <- freq_summary %>%
  mutate(col_name = paste0("freq", prompt, age_group)) %>%  # 拼接列名
  select(-prompt, -age_group) %>%
  pivot_wider(names_from = col_name, values_from = freq, values_fill = 0)  # 转宽格式，缺失值填0

# 3. 将频率列合并回原始数据（如果需要在原数据中查看每个词的对应频率）
testdata_with_freq <- testdata %>%
  left_join(wide_freq_table, by = "typedWord")

完成后，testdata_with_freq中就会包含所有类似freqMedia15-30、freqFood31-45的列，每个列对应指定提示和年龄组下该联想词的出现频率。

方法二：用Base R循环处理 #

如果你习惯使用Base R，也可以通过循环遍历所有提示和年龄组的组合来实现：

# 1. 先创建年龄分组（同第一步）
testdata$age_group <- cut(testdata$age, 
                          breaks = c(14, 30, 45, 60), 
                          labels = c("15-30", "31-45", "46-60"),
                          include.lowest = TRUE)

# 2. 生成所有提示和年龄组的组合
prompt_age_combinations <- expand.grid(
  prompt = unique(testdata$prompt),
  age_group = unique(testdata$age_group),
  stringsAsFactors = FALSE
)

# 3. 循环处理每个组合，计算频率并合并到原始数据
for (i in 1:nrow(prompt_age_combinations)) {
  current_prompt <- prompt_age_combinations$prompt[i]
  current_age_group <- prompt_age_combinations$age_group[i]
  
  # 筛选当前提示和年龄组的数据
  subset_data <- subset(testdata, prompt == current_prompt & age_group == current_age_group)
  # 计算词频并转换为数据框
  freq_df <- as.data.frame(table(subset_data$typedWord))
  # 重命名列：第一列为typedWord，第二列为目标列名
  names(freq_df) <- c("typedWord", paste0("freq", current_prompt, current_age_group))
  
  # 将频率列合并回原始数据，all.x=TRUE保留所有原始行
  testdata <- merge(testdata, freq_df, by = "typedWord", all.x = TRUE)
}

# 4. 将缺失值（未出现的词）替换为0
testdata[is.na(testdata)] <- 0

这样处理后，testdata中就会生成所有你需要的频率列，每个列对应一个提示+年龄组的组合。

内容的提问来源于stack exchange，提问作者Andrea Dioni