Hadley Wickham 的
haven
包应用于 Stata 文件,返回一个包含许多“标记”类型列的 tibble。您可以使用 str() 查看这些,例如:
$ MSACMSZ :Class 'labelled' atomic [1:8491861] NA NA NA NA NA NA NA NA NA NA ...
.. ..- attr(*, "label")= chr "metropolitan area size (cmsa/msa)"
.. ..- attr(*, "labels")= Named int [1:7] 0 1 2 3 4 5 6
.. .. ..- attr(*, "names")= chr [1:7] "not identified or nonmetropolitan" "100,000 - 249,999" "250,000 - 499,999" "500,000 - 999,999" ...
如果我可以简单地将所有这些标记向量提取为因子,那就太好了,但是我将标签属性的长度与每个向量中唯一值的数量进行了比较,它有时更长,有时更短。所以我认为我需要查看所有这些并决定如何单独处理每一个。
所以我想将 labels 属性的值提取到列表中。然而,这个功能:
labels93 <- lapply(cps_00093.df, function(x){attr(X, which="labels", exact=TRUE)})
对所有变量返回 NULL。
这是 tibble 与数据框问题吗?如何将这些属性从 tibble 列提取到列表中?
请注意,标签向量已命名,我需要标签和名称。
根据 @Hack-R 的请求,这里是由 dput (我以前从未使用过)转换的我的数据的一小段。我应用了这个代码:
filter(cps_00093.df, YEAR==2015) %>%
sample_n(10) %>%
select(HHTENURE, HHINTYPE) -> tiny
dput(tiny, file = "tiny")
生成很小的文件。嘿!那很简单!我以为这么小的一块很难折断。
用Notepad++打开tiny,这是我发现的:
structure(list(HHTENURE = structure(c(2L, 1L, 1L, 2L, 1L, 1L,
1L, 2L, 1L, 1L), labels = structure(c(0L, 1L, 2L, 3L, 6L, 7L), .Names = c("niu",
"owned or being bought", "rented for cash", "occupied without payment of cash rent",
"refused", "don't know")), class = "labelled"), HHINTYPE = structure(c(1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), labels = structure(1:3, .Names = c("interview",
"type a non-interview", "type b/c non-interview")), class = "labelled")), row.names = c(NA,
-10L), class = c("tbl_df", "tbl", "data.frame"), .Names = c("HHTENURE",
"HHINTYPE"))
我怀疑可以通过一点间距来使其更具可读性,但我不想弄乱它,因为担心意外破坏相关信息。
最初的问题询问如何“将标签属性的值提取到列表中”。主要问题的解决方案如下(假设
some_df
是通过 haven
导入的,并且具有 label
属性)。更新:我现在添加了一种使用包 sjlabelled
提取标签向量的方法。
library(purrr)
n <- ncol(some_df)
labels_list <- map(1:n, function(x) attr(some_df[[x]], "label") )
# if a vector of character strings is preferable
labels_vector <- map_chr(1:n, function(x) attr(some_df[[x]], "label") )
# to make a simple codebook
library(kable)
variable_name <- names(some_df)
data.frame(variable_name, description = labels_vector) %>%
kable(format = 'markdown')
# UPDATE: another approach with package sjlabelled
library(sjlabelled)
sjlabelled::get_label(some_df)
我将尝试回答这个问题,尽管我的代码不是很漂亮。
首先,我创建一个函数来从单个列中提取命名属性。
ColAttr <- function(x, attrC, ifIsNull) {
# Returns column attribute named in attrC, if present, else isNullC.
atr <- attr(x, attrC, exact = TRUE)
atr <- if (is.null(atr)) {ifIsNull} else {atr}
atr
}
然后是一个将其应用到所有列的函数:
AtribLst <- function(df, attrC, isNullC){
# Returns list of values of the col attribute attrC, if present, else isNullC
lapply(df, ColAttr, attrC=attrC, ifIsNull=isNullC)
}
最后我对每个属性运行它。
stub93 <- AtribLst(cps_00093.df, attrC="label", isNullC=NA)
labels93 <- AtribLst(cps_00093.df, attrC="labels", isNullC=NA)
labels93 <- labels93[!is.na(labels93)]
所有列都有“label”属性,但只有一些列是“labeled”类型,因此有“labels”属性。标签属性被命名,其中标签与数据值匹配,并且名称告诉您这些值的含义。
跳出上面@omar-waslow的答案,但添加了
attr_getter
的使用。
如果使用
some_df
包中的 read_dta
导入数据 (haven
),则 tibble 中的每一列都有一个称为 attr
的 "label"
。因此,我们将数据框逐列拆分。这将创建一个两列数据框,可以将其连接回来(例如,在pivot_longer之后)。
library(tidyverse)
label_lookup_map <- tibble(
col_name = some_df %>% names(),
labels = some_df %>% map_chr(attr_getter("label"))
)