Automatisiertes importieren und vorverarbeiten

Authors

Affiliation

Daniel Fitze

Kognitive Psychologie, Wahrnehmung und Methodenlehre, Universität Bern

Gerda Wyssen

Kognitive Psychologie, Wahrnehmung und Methodenlehre, Universität Bern

Für diesen Teil benötigen Sie das R-Project complab_datawrangling_stroop mit den 3 von Ihnen erhobenen Datensätzen des Stroop Experiments.

Setup

# Package laden (bei jedem Öffnen von R zu Beginn des Skripts ausführen)
library("tidyverse") 

Stroop-Experiment data wrangling

# Daten vorverarbeiten
d_stroop = read_csv("data/stroop_example_1.csv") |>
    filter(!is.na(trials_test.thisN)) |>
    mutate(trial = trials_test.thisN + 1) |>
    select(id = participant, 
           trial,
           word, 
           color, 
           congruent, 
           resp = keyResp_test_run.keys, 
           corr = keyResp_test_run.corr, 
           rt = keyResp_test_run.rt)

Daten mit eigener Funktion einlesen

read_stroop = function(path){
    # Code kopiert von oben
    d_stroop = read_csv(path) |>
    filter(!is.na(trials_test.thisN)) |>
    mutate(trial = trials_test.thisN + 1) |>
    select(id = participant, 
           trial,
           word, 
           color, 
           congruent, 
           resp = keyResp_test_run.keys, 
           corr = keyResp_test_run.corr, 
           rt = keyResp_test_run.rt)
    # ---------------------
    d_stroop
}

read_stroop(path = "data/stroop_example_1.csv")

Einlesen Automatisieren

Wir benötigen eine Liste aller Daten files. Die Funktion list.files() gibt einer liste aller Dokumente in einem Ordner zurück.

list.files(path = 'data/')

list.files(path = 'data/', pattern = 'stroop')

Um die Files einzulesen, reichen nur die Namen der Dateien nicht aus. Dazu benötigen wir die kompletten Pfade.

files = list.files(path = 'data/', pattern = 'stroop') %>% 
    paste('data/', ., sep = '')

Hier wird die Pipe des magritter-Packages verwendet (%>%) statt die Base-R Pipe (|>). Mit %>% haben wir die Möglichkeit mit dem . zu bestimmen wo die weitergeleiteten Inhalte der Pipe eingefügt werden (nach data/). Informationen zu den Unterschieden der Pipes finden Sie hier.

Alle Files von Hand einlesen

Jedes Daten File wird einzeln eingelesen. Anschliessend müssen alle Files zusammengefügt werden. Diese Lösung ist einfach zu verstehen, ist bei vielen Dokumenten aber zu aufwändig.

file1 = files[1]
file2 = files[2]
file3 = files[3]

d1 = read_stroop(file1)
d2 = read_stroop(file2)
d3 = read_stroop(file3)

d_hand = bind_rows(d1, d2, d3)

Alle Files mit for-Loop einlesen

Das Einlesen kann mit einem for-Loop automatisiert werden. Der Loop iteriert über alle Daten Files. Als erstes muss ein leerer Data Frame d_loop erstellt werden. Bei jeder Iteration des Loops wird ein Daten File eingelesen und dem erstellten Data Frame d_loop angehängt.

d_loop = tibble()

for (file in files){
    d_tmp = read_stroop(file)
    d_loop = bind_rows(d_loop, d_tmp)
}

Alle Files mit der Funktion map() einlesen

map() wendet eine Funktion auf alle Elemente eines Vektors an. Der Vektor files enthält die Pfade zu den Daten Files. Mit map() können wir also unsere selbst erstellte Funktion read_stroop() auf jeden Pfad anwenden. Im Anschluss müssen die Dataframes noch verbunden werden.

d_map1 = files |>
    map(read_stroop) %>%
    bind_rows()

Die Funktion map_dfr() macht das gleiche wie map() fügt aber zusätzlich die einzelnen Data Frames automatisch zusammen.

d_map2 = files |>
    map_dfr(read_stroop)

Kompletter Stroop Code an einem Ort

read_stroop = function(path){
    d_stroop = read_csv(path) |>
    filter(!is.na(trials_test.thisN)) |>
    mutate(trial = trials_test.thisN + 1) |>
    select(id = participant, 
           trial,
           word, 
           color, 
           congruent, 
           resp = keyResp_test_run.keys, 
           corr = keyResp_test_run.corr, 
           rt = keyResp_test_run.rt)
    d_stroop
}

d = list.files(path = 'data/', pattern = 'stroop') %>% 
    paste('data/', ., sep = '') |>
    map_dfr(read_stroop)

d |> write.csv(file = "data/clean/dataset_stroop_clean.csv", row.names = FALSE) # neuer Datensatz in anderen Ordner speichern um Verdoppelung zu vermeiden