在R中，如何使用第二个元数据文件对特定的data.table列进行分解和添加标签值？

Question

这是一个从SPSS转换到R的项目的一部分，同时也有很好的工具将SPSS文件导入R (expss)，这个问题的一部分是当数据来自CSV源时，试图获得SPSS风格标记的好处。这有助于弥合SPSS之间的培训差距，为data.tables提供一种通用格式，而不考虑文件格式的来源。

虽然CSV在存储数据方面做了合理的工作，但是提供有意义的数据是没有希望的。这不可避免地意味着变量和要素水平和标签必须来自其他地方。在大多数简短的示例中(例如，在文档中)，简单地对元数据进行硬编码是切实可行的。但是对于较大的项目来说，将这些元数据存储在第二个csv文件中更有意义。

示例数据文件

ID，varone，vartwo，var-3，var-4，var5，var-6，var7，vareight，varnine，1,1，34,1，1 ,1，1 ,1,1,4，2 ,1，1 ,1，1，1，3，3，3，3，1，5，5，1，1，1，3，14，3，3，3，1，5，3，3，4,2,32,1,1,1，3，3，3，3，3，6，6，0，1，1，1，12，1，7，26，0，1 ,1,2,11,1，8,3，1，1，1，1，15，1，9，34，1，1，1，1，1，12 ,3，4 10,2,46,0，，，3，3，39 ,1，1，1 ,3,7,1,2 12,1,28,0，，,1,1,6,5,1 13,2,64,0，1，1 ,2,11，3 14,3,34,1,1，3，10，1 15,1,52,1，1,1,1,8,6，

示例元数据文件

行标签、ID、varone、var2、var3、var4、var5、var6、var7、vareight、varnine、varten var标签、问题一、问题二、问题三、问题四、问题五、问题六、问题七、问题八、问题九、问题十变体、唯一、态度、独特、过滤器、态度、态度、缺失、错误、错误、忽略、错误、未检查、错误、可忽略的、可、一、无、检查、x、一、A、支持一致、二、、是、y、2、B、中性vallable、、3、z、3、C，反对vallable、4、D，不知道vallable、5、E、vallable、6、F、vallable、、八、九、10、11、12、.，，，

因此，常见的元素是列名，它们是两个文件的关键。

元数据文件的第一列描述了数据文件的行的角色，因此varlabel为每一列提供变量标签，varrole描述了变量的分析用途，描述了如何处理丢失的数据变量标签，描述了从一个从一个到有多少个标签开始的因素级别的标签。

正确的!下面是工作的代码：

```#Libraries

图书馆(费用)

图书馆(data.table)

库(Magrittr)`

```javascript

readcsvdata <- function(dfile)

{

测试-工作

打印(“OK让我们读一些逗号分隔的值”)

rdata <- fread(file = dfile，sep = "，“，引号=”\“，header = TRUE，stringsAsFactors = FALSE，

na.strings = getOption("datatable.na.strings"，“”)

返回(Rdata)

}

```javascript

rawdatafilename <- "testdata.csv“

RAW元数据<- "metadata.csv“

mdt <- readcsvdata(mdt元数据)

rdt <- readcsvdata(rawdatafilename)

名称(Rdt)名称(Rdt) == "ï..ID“<- "ID”#更正小数据错误

公共名称<-相交(名称(Mdt)，名称(Rdt))#查找公共变量名，以便应用元数据

<-公共名称-(1)#删除ID

Q标签<- as.list(mdt1，commonnames，with = FALSE)

(Here I copy the rdt datatable simply so I can roll back to the original data without re-running the previous read chunks and tidying whenever I make changes that don't work out.

```javascript

将var名称设置为列

for (公共名称中的each_name)#循环通过公共名称和q标签

{

expss::var_lab(tdt[[each_name]]) <- qlabels[[each_name]]

}

OK this is where I fall down. Failure from here

```javascript

As.vector(公共名称)#创建列名向量(供以后使用)

用于(在工厂内)

{

打印( is.na(mdt4，..col)) #打印第一行值标签(作为测试)

如果(is.na(mdt4，..col))因子库<

如果不是一个因素列，请将其从因子列表中删除，不要尝试对其进行因子排序。

否则{#如果它是向量因式分解

print(paste("working on",col))  # I have had a lot of problem with unrecognised ..col variables

tlabels <- as.vector(na.omit(mdt[4:18, ..col]))  # get list of labels from the data column}

validrange <- seq(1,lengths(tlabels),1)            # range of valid values is 1 to the length of labels list

print(as.character(tlabels)) # for testing

print(validrange) # for testing

tdt[[col]] <- factor(tdt[[col]], levels = validrange, ordered = is.ordered(validrange), labels = as.character(tlabels))

# expss::val_lab(tdt[, ..col]) <- tlabels

tlabels = c()  # flush loop variable

validrange = c() # flush loop variable

}

}

So the problem is revealed here when we check the data table.

`tdt`

the labels have been applied as whole vectors to each column entry except where there is only one value in the vector ("checked" for varfour and varfive)
 **tdt**
 id (int) 1
 varone (fctr) c("One", "Two", "Three") 1  _(should be "One" 1)_
 vartwo (S3: labelled) 34 
 varthree (fctr) c("No", "Yes") 1 _(should be "No" 1)_ 
 varfour (fctr) NA 
 varfive (fctr) Checked 
 
 **And a mystery**
 this code works just fine on a single columns when I don't use a for loop variable 

```javascript

使用列名进行测试

标签<- c(“一”、“二”、“三”)

有效期<- c(1,2,3)

因子(tdt，varone，level= validrange，ordered=is.ordered(有效性范围)，标签=t标签)

Answer 1

看起来问题就在tlabels <- as.vector(na.omit(mdt[4:18, ..col]))这条线上。它不会像你所期望的那样产生向量。与通常的data.frame相反，当您在索引中提供单列时，data.table不会降维。as.vector对data.framework/data.table什么也不做。所以tlabels仍然是data.table。这一行需要重写为tlabels <- na.omit(mdt[[col]][4:18])。示例：

library(data.table)
mdt = as.data.table(mtcars)
col = "am"
tlabels <- as.vector(na.omit(mdt[3:6, ..col])) # ! tlabels is data.table 
str(tlabels)
# Classes ‘data.table’ and 'data.frame':    4 obs. of  1 variable:
#     $ am: num  1 0 0 0
# - attr(*, ".internal.selfref")=<externalptr> 

as.character(tlabels) # character vector of length 1
# [1] "c(1, 0, 0, 0)"

tlabels <- na.omit(mdt[[col]][3:6]) # vector 
str(tlabels)
# num [1:4] 1 0 0 0
as.character(tlabels) # character vector of length 4
# [1] "1" "0" "0" "0"