从数据集/变量中删除自定义（第二个）类

Question

我一直在使用

hmisc

包中的一个名为

haven_labelled

的类（有时只是

labelled

）。其目的是从 Stata

.dta

数据集中导入列标签。当尝试在数据帧上使用

plm

时，我收到错误：

Error in as.data.frame.default(x[[i]], optional = TRUE) : 
  cannot coerce class ‘c("pseries", "haven_labelled")’ to a data.frame

课程如下：

> class(actualdataset)
[1] "pdata.frame" "data.frame"
> class(actualdataset$examplevar)
[1] "pseries"        "haven_labelled"

因此，我想从该数据库中删除

haven_labelled

类。遗憾的是我无法重现该错误。我认为这与我的

var

属于双重类别（其中包括有

actualdataset

）有关。请参阅以下示例数据集。haven_labelled

有什么建议吗？

编辑：我在想以下事情：

library(data.table)
library(plm)
library(Hmisc)
set.seed(1)
DT <- data.table(panelID = sample(50,50),                                                    # Creates a panel ID
                      Country = c(rep("A",30),rep("B",50), rep("C",20)),       
                      some_NA = sample(0:5, 6),                                             
                      some_NA_factor = sample(0:5, 6),         
                      Group = c(rep(1,20),rep(2,20),rep(3,20),rep(4,20),rep(5,20)),
                      Time = rep(seq(as.Date("2010-01-03"), length=20, by="1 month") - 1,5),
                      norm = round(runif(100)/10,2),
                      Income = sample(100,100),
                      Happiness = sample(10,10),
                      Sex = round(rnorm(10,0.75,0.3),2),
                      Age = round(rnorm(10,0.75,0.3),2),
                      Educ = round(rnorm(10,0.75,0.3),2))           
DT [, uniqueID := .I]                                                                        # Creates a unique ID     
DT[DT == 0] <- NA                                                                            # https://stackoverflow.com/questions/11036989/replace-all-0-values-to-na
DT$some_NA_factor <- factor(DT$some_NA_factor)
labels <- data.table::fread("Varcode Variables
                         panelID a
                         Country b
                         Group c
                         Time d
                         norm e
                         Income f
                         Happiness g
                         Sex h
                         Age i
                         Educ j
                         uniqueID k                         
                         ", header = TRUE)
for (i in seq_len(ncol(DT))) { 
    label(DT[[i]]) <-  labels$Variables[match(names(DT)[i], labels$Varcode)] 
 }
DTp <- plm::pdata.frame(DT, index= c("panelID", "Time"))
result <- plm(Happiness ~ Income, data=DTp, model="within")

> class(DTp)
[1] "pdata.frame" "data.frame"
> class(DTp$Income)
[1] "pseries"  "labelled" "integer" 

编辑2：答案可以防止应用时出现任何错误

for for (i in seq_len(ncol(DT)) {
    if (sapply(DT, function(x) class(x)[1L]) == "haven_labelled") { 
        attr(DT[,i],"class[1L]") <- "integer"
    }
 }

。遗憾的是，所有

plm

、

coefficients

都为零。

standard errors

和

P-values

是

t-values

。我不确定是什么原因造成的。

Answer 1

DTp

，根据您的原始数据集更改NA和

labelled

labelled_ch

Answer 2

for (i in seq_len(ncol(DTp))) {
  if (any(class(DTp[,i]) == "labelled")) {
    #browser()
    ind = which(class(DTp[,i])=="labelled")
    attr(DTp[,i],"class")[ind] <- "labelled_ch"
  }
}

）。我在当前的 R 版本中总是遇到这样的错误：

avector

感谢您使用 

Can't convert `y` <double> to match type of `x` <avector>.

函数的想法。这是我的成果：

class()

这可以与 tidyverse 一起用于数据帧

simplify_classes = function(x, strip=c("avector")) {
    # We may handle single variables ...
    if ((length(class(x)) > 1) || (class(x) != "data.frame")) {
        class(x) = setdiff(class(x), strip)
        return(x)
    }
    # ... or a data.frames of multiple variables
    dfn = data.frame(row.names = row.names(x))
    for (v in names(x)) {
        tmp = x[[v]]
        class(tmp) = setdiff(class(tmp), strip)
        dfn[[v]] = tmp
    }
    return(dfn)
}

对于单个变量也是如此

my_data %>% select(!!items) %>% simplify_classes() %>% str()

希望这可以节省您一些时间。