R：分配数据框列的变量标签

Posted 2023-02-23

【中文标题】R：分配数据框列的变量标签

【英文标题】：R: Assign variable labels of data frame columns

【发布时间】：2015-02-05 11:48:23

【问题描述】：

我正在努力处理 data.frame 列的可变标签。假设我有以下数据框（更大数据框的一部分）：

data <- data.frame(age = c(21, 30, 25, 41, 29, 33), sex = factor(c(1, 2, 1, 2, 1, 2), labels = c("Female", "Male")))
#

我还有一个命名向量，其中包含此数据框的变量标签：

var.labels <- c(age = "Age in Years", sex = "Sex of the participant")

我想使用Hmisc 包中的函数label 将var.labels 中的变量标签分配给数据框data 中的列。我可以像这样一个一个地做，然后检查结果：

> label(data[["age"]]) <- "Age in years"
> label(data[["sex"]]) <- "Sex of the participant"
> label(data)
                 age                      sex
      "Age in years" "Sex of the participant"

变量标签被分配为列的属性：

> attr(data[["age"]], "label")
[1] "Age in years"
> attr(data[["sex"]], "label")
[1] "Sex of the participant"

太棒了。但是，对于较大的数据框，例如 100 列或更多列，这将不方便或高效。另一种选择是直接将它们分配为属性：

> attr(data, "variable.labels") <- var.labels

没有帮助。变量标签未分配给列：

> label(data)
age sex
 ""  ""

相反，它们被分配为数据框本身的属性（请参阅列表的最后一个组件）：

> attributes(data)
$names
[1] "age" "sex"

$row.names
[1] 1 2 3 4 5 6

$class
[1] "data.frame"

$variable.labels
                 age                      sex
      "Age in Years" "Sex of the participant"

这不是我想要的。我需要变量标签作为列的属性。我尝试编写以下函数（以及许多其他函数）：

set.var.labels <- function(dataframe, label.vector)
  column.names <- names(dataframe)
  dataframe <- mapply(label, column.names, label.vector)
  return(dataframe)

然后执行：

> set.var.labels(data, var.labels)

没有帮助。它返回向量var.labels 的值，但不分配变量标签。如果我尝试将它分配给一个新对象，它只包含变量标签的值作为向量。

【参考方案1】：

您可以通过从var.labels 的命名向量创建一个列表并将其分配给label 值来实现此目的。我使用match 来确保var.labels 的值被分配给data 中的相应列，即使var.labels 的顺序与data 列的顺序不同。

library(Hmisc)

var.labels = c(age="Age in Years", sex="Sex of the participant")

label(data) = as.list(var.labels[match(names(data), names(var.labels))])

label(data)
                     age                      sex 
          "Age in Years" "Sex of the participant" 

原答案

我的原始答案使用了lapply，实际上没有必要。以下是存档目的的原始答案：

您可以使用lapply 分配标签：

label(data) = lapply(names(data), function(x) var.labels[match(x, names(var.labels))])

lapply 将函数应用于列表或向量的每个元素。在这种情况下，该函数应用于names(data) 的每个值，并从var.labels 中挑选出与names(data) 的当前值相对应的标签值。

阅读一些教程是了解总体思路的好方法，但如果您开始在不同情况下使用lapply 并查看其行为方式，您将真正掌握它的窍门。

【讨论】：

@eipi10：非常感谢！有用！这正是我所需要的。在使用 apply 系列函数时，我无法理解索引。有没有我可以阅读的指南或者这是经验问题？

有关lapply、this 和this 的简短教程可能会有所帮助。我还为我的答案添加了更多解释。

谢谢！我不明白的是为什么在你做了lapply(names(var.labels), function(x) label(data[,x]) = var.labels[x])之后，标签分配已经在哪里了，还得做label(data) =

你是对的。没有必要做任务。感谢您指出了这一点。我已经修复了代码并更新了代码，以便它分配正确的标签，而不管var.labels 的顺序如何，也不管names(var.labels) 是否包含names(data) 中不存在的其他元素。

实际上，几年后回到这个，我发现lapply 甚至没有必要。我已经相应地更新了答案。但是，@avallecam 使用Hmisc 函数upData 的答案是更新标签的更方便的方法。

【参考方案2】：

我强烈推荐使用Hmisc::upData() 函数。

这里是reprex 示例：

set.seed(22)
data <- data.frame(age = floor(rnorm(6,25,10)), 
                   sex = gl(2,1,6, labels = c("f","m")))
var.labels <- c(age = "Age in Years", 
                sex = "Sex of the participant")
dplyr::as.tbl(data) # as tibble ---------------------------------------------
#> # A tibble: 6 × 2
#>     age    sex
#>   <dbl> <fctr>
#> 1    19      f
#> 2    49      m
#> 3    35      f
#> 4    27      m
#> 5    22      f
#> 6    43      m
data <- Hmisc::upData(data, labels = var.labels) # update data --------------
#> Input object size:    1328 bytes;     2 variables     6 observations
#> New object size: 2096 bytes; 2 variables 6 observations
Hmisc::label(data) # check new labels ---------------------------------------
#>                      age                      sex 
#>           "Age in Years" "Sex of the participant"
Hmisc::contents(data) # data dictionary -------------------------------------
#> 
#> Data frame:data  6 observations and 2 variables    Maximum # NAs:0
#> 
#> 
#>                     Labels Levels   Class Storage
#> age           Age in Years        integer integer
#> sex Sex of the participant      2         integer
#> 
#> +--------+------+
#> |Variable|Levels|
#> +--------+------+
#> |   sex  |  f,m |
#> +--------+------+

【讨论】：

Hmisc::upData(data, labels = ) 太棒了！搜索这个几个小时。

如果要将变量标签导出为 .dta (stata) 格式，Hmisc::upData() 会显示此issue。而是使用labelled::set_variable_labels()，例如：cars %>% labelled::set_variable_labels(speed = "speed in mph", dist = "stopping distance in ft") %>% haven::write_dta("cars.dta")

【参考方案3】：

你可以使用包labelled代替Hmisc：

data <- labelled::set_variable_labels(data, .labels = var.labels)

【讨论】：

可能是个愚蠢的问题，但 R-script 不支持开箱即用的变量标签？我的意思是，您总是需要一个带有添加或更改标签功能的附加包？

你可以使用基本的R函数attr()。请参阅最上面的问题帖子。依赖包是因为分配属性不是很方便。问题在于，base R 这样做的方式是非常一般的方式，而不是专门针对仅标记变量或值的任务的方式。

【参考方案4】：

如果您的标签向量与 data.frame 列的顺序匹配，但不是命名向量（因此不能用于按名称对 data.frame 列进行子集化，如另一个答案中的 lapply 方法)，您可以使用 for 循环：

for(i in seq_along(data))
  Hmisc::label(data[, i]) <- var.labels[i]


label(data)
#>                      age                      sex 
#>           "Age in Years" "Sex of the participant"