我有一堆我想在 R 中使用的 Stata .dta 文件。
我的问题是变量名称对我没有帮助，因为它们就像“q0100”、“q0565”、“q0500”和“q0202”。但是，它们被标记为“psu”、“怀孕人数”、“户主”和“航点”。
我希望能够获取标签（“psu”、“waypoint”等......）并将它们用作我的变量/列名，因为这些对我来说更容易使用。
有没有办法做到这一点，最好是在 R 中，或者通过 Stata 本身？我知道 library(foreign) 中的 read.dta，但不知道它是否可以将标签转换为变量名。
【问题讨论】：
使用 Haven 包时：
如果您要导入的数据集很重，在 Rstudio 中查看数据可能不是最佳的。
您可以改为获取包含列名、列标签和列是否被标记的指示符的 data.frame：
d <- read_dta("your_stata_data.dta")
vars <- data.frame(
"name" = names(d),
"label" = sapply(d, function(x) attr(x, "label")) %>% as.character(),
"labelled" = sapply(d, is.labelled) )
注意：需要使用 as.characted 以避免标签中的 NULL 被丢弃，从而导致向量长度不同。
【讨论】：
我建议您使用新的haven package (GitHub) 用于导入数据。
正如Hadley Wickham 在README.md file 中提到的那样：
您总是会得到一个数据框，日期时间会转换为相应的 R 类，并且标记的向量会作为新的标记类返回。您可以根据需要轻松强制转换因子或用缺失值替换标记值。如果您还使用 dplyr，您会注意到大数据帧以一种方便的方式打印。
（强调我的）
如果您使用 RStudio，这将自动在 View("data.frame") 查看器窗格 (source) 中的变量名称下显示标签。
变量标签作为属性附加到每个变量。这些没有打印出来（因为它们往往很长），但如果你有 RStudio 的预览版，你会在改进的查看器窗格中看到它们。
您可以使用以下方式安装软件包：
install.packages("haven")
并使用以下命令导入您的 Stata 日期：
read_dta("path/to/file")
更多信息见：
help("read_dta")
【讨论】：
在将变量标签导出到 R 或文本文件之前，您可以在 Stata 中将变量标签转换为变量名称。
正如 Ian 所提到的，变量标签通常不会产生好的变量名称，但如果您将空格和其他字符转换为下划线，并且如果您的变量标签不太长，您可以很容易地使用 varlabels 重新标记您的 var。
以下是使用内置 Stata 数据集“cancer.dta”将所有变量名称替换为 var 标签的示例——重要的是，此代码不会尝试重命名没有变量标签的变量。请注意，我还选择了一个数据集，其中有很多在命名变量时无用的字符（例如：=、1、'、.、() 等）......您可以添加任何可能潜伏的字符在你的变量标签到第 5 行的列表中：“local chars”...“”它会为你做出改变：
****************! BEGIN EXAMPLE
//copy and paste this code into a Stata do-file and click "do"//
sysuse cancer, clear
desc
**
local chars "" " "(" ")" "." "1" "=" `"'"' "___" "__" "
ds, not(varlab "") // <-- This will only select those vars with varlabs //
foreach v in `r(varlist)' {
local `v'l "`:var lab `v''"
**variables names cannot have spaces or other symbols, so::
foreach s in `chars' {
local `v'l: subinstr local `v'l "`s'" "_", all
}
rename `v' ``v'l'
**make the variable names all lower case**
cap rename ``v'l' `=lower("``v'l'")'
}
desc
****************! END EXAMPLE
您还可以考虑查看Stat Transfer，它具有将 Stata 转换为 R 数据文件的功能。
【讨论】：
这是一个使用 Stata 变量标签计算任何表达式的函数：
#' Function to prettify the output of another function using a `var.labels` attribute
#' This is particularly useful in combination with read.dta et al.
#' @param dat A data.frame with attr `var.labels` giving descriptions of variables
#' @param expr An expression to evaluate with pretty var.labels
#' @return The result of the expression, with variable names replaced with their labels
#' @examples
#' testDF <- data.frame( a=seq(10),b=runif(10),c=rnorm(10) )
#' attr(testDF,"var.labels") <- c("Identifier","Important Data","Lies, Damn Lies, Statistics")
#' prettify( testDF, quote(str(dat)) )
prettify <- function( dat, expr ) {
labels <- attr(dat,"var.labels")
for(i in seq(ncol(dat))) colnames(dat)[i] <- labels[i]
attr(dat,"var.labels") <- NULL
eval( expr )
}
然后你可以prettify(testDF, quote(table(...))) 或任何你想要的。
请参阅this thread 了解更多信息。
【讨论】：
R 没有内置的方法来处理变量标签。我个人认为这是应该解决的缺点。 Hmisc 确实为处理变量标签提供了一些便利，但标签只能被该包中的函数识别。 read.dta 创建一个带有“var.labels”属性的data.frame，其中包含标签信息。然后，您可以从中创建数据字典。
> data(swiss)
> write.dta(swiss,swissfile <- tempfile())
> a <- read.dta(swissfile)
>
> var.labels <- attr(a,"var.labels")
>
> data.key <- data.frame(var.name=names(a),var.labels)
> data.key
var.name var.labels
1 Fertility Fertility
2 Agriculture Agriculture
3 Examination Examination
4 Education Education
5 Catholic Catholic
6 Infant_Mortality Infant.Mortality
当然这个 .dta 文件没有很有趣的标签，但你的应该更有意义。
【讨论】：