R：将值转换为管道分隔格式答案

【问题标题】：R: Convert values into pipe-delimited formatR：将值转换为管道分隔格式
【发布时间】：2018-11-29 16:27:57
【问题描述】：

我正在尝试从 SPSS 输出创建一个 REDCap 数据字典。 SPSS 列出每个变量的允许值或因子，如下所示：

SEX       0 Male
          1 Female

LANGUAGE  1 English
          2 Spanish
          3 Other
          6 Unknown

如何将以上内容转换为 REDCap 的这种格式：

Variable        Values
SEX             0, Male | 1, Female
LANGUAGE        1, English | 2, Spanish | 3, Other | 6, Unknown

我最擅长的语言是 R。

【问题讨论】：

标签： r database dictionary data-manipulation redcap

【解决方案1】：

这是一种依赖于sub() 和tidyr::fill() 的方法。它返回一个您可能想要写入磁盘的数据集（使用 readr::write_csv() 之类的内容或从 R 控制台直接粘贴到 REDCap data dictionary。

第 1 步：将纯文本作为单列数据集读取。

在您的场景中，raw_text 可能是文件路径。

raw_text <- "
  SEX       0 Male
            1 Female

  LANGUAGE  1 English
            2 Spanish
            3 Other
            6 Unknown"

ds_raw <- readr::read_csv(
  file      = raw_text,
  col_names = FALSE,
  trim_ws   = FALSE
)

第二步：从单列中提取隐含结构

正则表达式识别和分隔列。（如果您从文件中读取，最初的 \\s*? 可能会被删除。）。
Variable 中的空白将替换为 NAs。
ID 和 Value 被涂抹以创建 Values。
tidyr::fill() 继承缺失的Variable 单元格。

library(magrittr)
pattern <- "^\\s*?(\\w+)?\\s+(\\d{1,3})\\s+(.+?)$"
ds_completed <- ds_raw %>%
  dplyr::mutate(
    Variable    = sub(pattern, "\\1", X1),
    ID          = as.integer(sub(pattern, "\\2", X1)),
    Value       = sub(pattern, "\\3", X1),
    Variable    = dplyr::na_if(Variable, ""),

    Values      = paste0(ID, ", ", Value)
  ) %>% 
  tidyr::fill(Variable) %>% 
  dplyr::select(-X1)

中间结果：

# A tibble: 6 x 4
  Variable    ID Value   Values    
  <chr>    <int> <chr>   <chr>     
1 SEX          0 Male    0, Male   
2 SEX          1 Female  1, Female 
3 LANGUAGE     1 English 1, English
4 LANGUAGE     2 Spanish 2, Spanish
5 LANGUAGE     3 Other   3, Other  
6 LANGUAGE     6 Unknown 6, Unknown

第三步：确定并记录`Variable`的初始顺序

ds_order <- ds_completed %>% 
  dplyr::distinct(Variable) %>% 
  tibble::rowid_to_column("variable_order")

第4步：每个唯一`Variable`输出一行

折叠Values，用管道隔开。
通过加入ds_order 和arrange()ing 恢复Variable 订单。

ds_completed %>% 
  dplyr::group_by(Variable) %>% 
  dplyr::summarize(
    Values  = paste(Values, collapse = " | ")
  ) %>% 
  dplyr::ungroup() %>% 
  dplyr::left_join(ds_order, by="Variable") %>% 
  dplyr::arrange(variable_order) %>% 
  dplyr::select(-variable_order)

结果

# A tibble: 2 x 2
  Variable Values                                         
  <chr>    <chr>                                          
1 SEX      0, Male | 1, Female                            
2 LANGUAGE 1, English | 2, Spanish | 3, Other | 6, Unknown

在包函数中形式化。

我从来不需要从 SPSS 格式转换为 REDCap 数据字典，但您需要在这里这样做是有道理的。如果这是 SPSS 用户（懂一点 R）的频繁需要，我愿意将其移至 REDCapR 函数如果您要创建new issue，请编写单元测试并保存一些示例输入数据集和预期数据集（用于单元测试）。

如果您需要反向翻译，请考虑REDCapR::checkbox_choices()。

其他资源

REDCapR和redcapAPI是开发的两个R包围绕 REDCap API。大约有十几个packages written in various languages for the REDCap API，但 SPSS 目前不是其中之一。

【讨论】：