Hadley威克姆的haven
包应用于Stata文件,返回一个包含许多“labeled”类型列的tibble。您可以使用str()看到这些,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" ...
字符串
如果我能简单地将所有这些标签向量提取为因子就好了,但是我已经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向量,并决定如何单独处理每个向量。
所以我想把labels属性的值提取到一个列表中。然而,这个函数:
labels93 <- lapply(cps_00093.df, function(x){attr(X, which="labels", exact=TRUE)})
型
返回所有变量的NULL。
这是一个tibble与 Dataframe 的问题吗?我如何从tibble列中提取这些属性到列表中?
请注意,标签向量名为,我需要标签和名称。
根据@Hack-R的请求,这里是我的数据的一小部分,由dput转换(我以前从未使用过)。我应用了以下代码:
filter(cps_00093.df, YEAR==2015) %>%
sample_n(10) %>%
select(HHTENURE, HHINTYPE) -> tiny
dput(tiny, file = "tiny")
型
把文件做得很小。嘿!那很容易!我以为把这么小的一块掰下来会很难。
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"))
型
我怀疑这可以使更可读的一点间距,但我不想弄脏它,因为担心意外破坏相关信息。
3条答案
按热度按时间n7taea2i1#
原来的问题是"如何将labels属性的值提取到列表中“。下面是主要问题的解决方案(假设
some_df
是通过haven
导入的,并且有label
属性)。更新:我现在添加了一种方法,可以使用包sjlabelled
提取标签向量。字符串
s1ag04yj2#
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,从单个列中提取一个命名属性。
字符串
然后一个函数将其应用于所有列:
型
最后,我为每个属性运行它。
型
所有列都有一个“label”属性,但只有一些列是“labeled”类型的,因此有一个“labels”属性。labels属性被命名,其中标签匹配数据的值,名称告诉你这些值意味着什么。
brvekthn3#
跳过上面的@omar-waslow答案,但添加了
attr_getter
的使用。如果数据(
some_df
)是使用haven
包中的read_dta
导入的,那么tibble中的每一列都有一个名为"label"
的attr
。所以我们将 Dataframe 拆分,逐列拆分。这将创建一个可以连接回去的两列 Dataframe (例如,在pivot_longer之后)。字符串