从来自Stata的haven导入的“labels”tibble列中提取labels属性

Question

Hadley Wickham的haven包应用于Stata文件，返回一个带有许多“标签”类型的列的tibble。您可以使用str()查看这些内容，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" ...

如果我能简单地将所有这些带标签的向量提取到因子上就好了，但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。因此，我认为我需要查看所有这些问题，并决定如何单独处理每个问题。

所以我想把labels属性的值提取到一个列表中。但是，此函数：

labels93 <- lapply(cps_00093.df, function(x){attr(X, which="labels", exact=TRUE)})

为所有变量返回NULL。

这是tibble vs data frame的问题吗？如何将这些属性从tibble列提取到列表中？

请注意，labels向量已命名，我需要标签和名称。

根据@Hack-R的请求，这里是我通过dput转换的一小段数据(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")

来生成文件tiny。嘿!这很简单！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"))

我猜想用一点空格就可以使这篇文章更具可读性，但我不想把它弄得乱七八糟，以免意外地破坏相关的信息。

Answer 1

我将尝试回答这个问题，尽管我的代码不是很漂亮。

首先，我创建了一个函数来从单个列中提取一个命名属性。

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
}

然后使用一个函数将其应用于所有列：

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，我为每个属性运行它。

stub93 <- AtribLst(cps_00093.df, attrC="label", isNullC=NA)

labels93 <- AtribLst(cps_00093.df, attrC="labels", isNullC=NA)
labels93 <- labels93[!is.na(labels93)]

所有列都有一个"label“属性，但只有一些列的类型是”label“，因此有一个"labels”属性。labels属性被命名，其中标签与数据的值匹配，名称告诉您这些值的含义。

Answer 2

最初的问题是如何“将labels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sjlabelled包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)

Answer 3

跳过上面的@omar-waslow回答，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haven中的每一列都有一个名为attr的"label"。所以我们拆分数据帧，一列接着一列。这将创建一个两列的数据帧，该数据帧可以连接回来(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"))
)