从长格式的数据框中删除> 50％NA值的试验

Question

我已经记录了瞳孔大小以响应情绪与中性声音，这是两种颜色中的一种，我正在准备生长曲线分析的数据，我需要删除过度眨眼的试验，然后插入剩余的瞳孔值，以便最终版本没有NA值。

现在，我有一个带有一个ID变量（“声音”）的数据帧，一个度量（“pupilsize”）和3个变量（“时间”，“效价”和“颜色”）。

“time”变量从每个声音的0开始（每个声音代表1次试验）并以100（ms）的增量增加。 “价”和“颜色”每个声音都有一个值。

我想在测量“pupilsize”中消除每个试验中具有> 50％NA值的所有行。

到目前为止，我试图使用reshape2将文件转换为宽格式，如下所示：

widedata <-dcast(data, time ~ sound + valence + colour, value.var = "pupilsize")

这会生成声音，效价和颜色组合的列（例如，如果sound = x.wav，valence = 1且color = 2，则列标题为x.wav_1_2）

然后，我通过计算每个声音的NA值的百分比并从数据帧中删除这些值，成功删除了> 50％NA值的列。

我想使用melt将这个修改过的宽格式文件转换回长格式。但是，我正在努力找到一种方法来拆分列标题并将它们变回“声音”，“价值”和“颜色”。

因此，我的问题是：有没有办法将标题以宽格式分割成它的组件（例如将x.wav_1_2转换为x.wav，1和2）？如果没有，有没有办法我可以从长格式删除> 50％NA的试验而不重塑？

谢谢你对此有任何帮助！

编辑（数据示例）：

原始的长格式（这是我希望数据看到结尾）

    time    valence pupilsize colour sound
1   0          1    45.43       2   1300s.wav
2   100        1    43.22       2   1300s.wav
3   200        1    41.42       2   1300s.wav
4   300        1    40.09       2   1300s.wav
.
.
.
51  5000       1    43.02       2   1300.wav
52  0          2    55.5        1   5461.wav 
53  100        2    52.4        1   5461.wav

当我在上面的数据上运行dcast时的宽格式，时间作为id.var，颜色，价值和声音作为变量（pupilsize是度量）

    time    1300s.wav_1_2   5461s.wav_2_1   ....
1   0          45.43            43.02   
2   100        43.43            55.5    
3   200        41.42            52.4    
4   300        40.09            50.2    
.
.
.   

Answer 1

这是一个猜测：

library(dplyr)

group_by(your_data, sound) %>%
    mutate(prop_na = sum(is.na(pupilsize)) / n()) %>%
    filter(prop_na <= 0.5) %>%
    select(-prop_na)

根据你的描述，它听起来不像valence或colour变量，所以这个过程忽略它们，按sound ID分组，计算组级别的NA比例，并消除超过50％NA的组。它以删除临时列结束。