dplyr bind_rows 不保留变量标签

Question

haven::read_dta

支持使用

label

属性将变量标签从Stata导入到R中。 Rstudio 还支持在“视图”窗格中显示这些标签。

但是，当使用

dplyr::bind_rows

（或

rbind_all

）绑定两个数据框时，不会保留标签。这是一个错误吗？

library(dplyr)
id <- 1:5
attr(id, "label") <- "unit id"

df1 <- tbl_df(data.frame(id)) # label is fine
df1$id
# [1] 1 2 3 4 5
# attr(,"label")
# [1] "unit id"

df2 <- tbl_df(data.frame(id)) # label is fine
df2$id
# [1] 1 2 3 4 5
# attr(,"label")
# [1] "unit id"

df_bound <- bind_rows(df1, df2) # label is gone
df_bound$id
# [1] 1 2 3 4 5 1 2 3 4 5

Answer 1

解决方法是使用

rbind

而不是

bind_rows

。然后，您必须确保列名称相同。

使用

setdiff(names(df1), names(df2))

获取位于

df1

中但不在

df2

中的列名称，

setdiff(names(df2), names(df1))

反之亦然。

Answer 2

sjmisc::add_rows

与

dplyr::bind_rows

具有类似的语法，并保留变量和值标签属性。

Answer 3

Daniel Lüdecke

的 sjlabelled 包是处理标记数据时出现的此类问题的一个很好的解决方案。我使用 copy_labels 函数来解决类似的问题：

library(dplyr)  
library(sjlabelled) 
id <- 1:5  
attr(id, "label") <- "unit id"  
df1 <- tbl_df(data.frame(id))  
str(df1)   
# tibble [5 × 1] (S3: tbl_df/tbl/data.frame)  
# $ id: int [1:5] 1 2 3 4 5  
# ..- attr(*, "label")= chr "unit id"  
df2 <- tbl_df(data.frame(id)) # label is fine  
df_bound <- bind_rows(df1, df2) # label is gone  
str(df_bound)  
# tibble [10 × 1] (S3: tbl_df/tbl/data.frame)  
#  $ id: int [1:10] 1 2 3 4 5 1 2 3 4 5   

df_bound <- copy_labels(df_bound, df1)  
df_bound_labelled <- df_bound %>% mutate_at(vars(id), as_labelled)
str(df_bound_labelled)  
# tibble [10 × 1] (S3: tbl_df/tbl/data.frame)  
# $ id: int [1:10] 1 2 3 4 5 1 2 3 4 5  
#  ..- attr(*, "label")= chr "unit id"  

Answer 4

labelled

包，特别是由 Daniel Ludecke (

sjlabelled

) 和 Hadley Wickham 撰写。假设

df.ls

，使用

haven::read_dta

导入的数据框列表，它们具有大量共同变量，但不是全部。在这种情况下，使用

dplyr::bind_rows

很方便，它不需要在所有数据框中具有相同的变量（列）。正如OP所提到的，问题在于它“删除”了标签。我要补充的是，这仅适用于列表数据帧通用的变量。当某些变量位于某些数据框中但不在其他数据框中时，它们会保留其标签。我们可以使用

提取“丢失”的标签

common_col_names <- ## get the names of the columns common to all the dfs
    Reduce(intersect, lapply(df.ls,names))
library(labelled)
labs.ls <- ## a list of lists
    lapply(
        df.ls,
        function(x) {
            labelled::var_label(
                          x[, common_col_names],
                          unlist = FALSE
                      )
        }
    )

假设给定变量在 

df.ls

的所有数据帧中保持相同的标签。使用

common_col_names

以及标签恒定的假设，意味着

labs.ls

的所有元素（列表）都是相同的。设置

unlist = FALSE

（默认值）允许在列表中拥有不同的标签（而不是字符向量），这反过来又允许以下操作（来自

labelled

文档）：``对于数据帧，如果值为命名列表，仅考虑名称与数据框的列匹配的元素。如果 value 是字符向量，标签的顺序应与 data.frame 的列的顺序相同。如果列表中所有数据帧的列/变量不相同，这会非常方便。请注意，检查

labs.ls

对于检查标签在数据帧中是否实际上保持相同非常有用。

然后您只需绑定列表中的不同数据框并分配提取的标签：

df <- dplyr::bind_rows(df.ls)
labelled::var_label(df) <- labs.ls[[1]]

这里我们使用 

labs.ls[[1]]

，但由于我们只考虑所有数据帧共有的变量，并且我们假设这些变量的标签是恒定的，请注意，可以使用 2, 3, ...,

length(df.ls)

代替 1。

Answer 5

我可以确认

rbind

将

不会

保留因子变量的变量标签，因此并不是适合所有人的解决方案。它适用于日期时间、数字和字符，但所有因子变量都会丢失其标签，即使变量名称绝对相等。