如何将变量标签从一个数据框添加到 R 中的另一个？

Question

我在 R 中有两个数据框：

1. “标签”包含 (a) 变量名称和 (b) 描述性变量标签；
2. “数据” 包含 (a) 相同的变量名称和 (b) 相关数据，但没有描述性标签。

我想将 "labels" 中的描述性标签应用到 "data" 中的变量，但我不知道该怎么做。由于我有 400 多个标签，手动输入它们需要很长时间。

我的数据看起来像这样（高度简化）：

labels <- data.frame(names = c("age", "sex", "year"), labels=c("Age of Participant", "Sex of Participant","Year of Participation"))

data <- data.frame(age=c(12, 14, 16), sex=c(1, 0, 1), year=c(1998, 1997, 1994))

我尝试使用 sjlabelled 包并将此技术 (R: Assign variable labels of data frame columns) 应用于我的数据，但我不知道如何使这些工具适用于这种情况。

请注意，我不只是试图合并数据集，而是想将类似于 Stata 或 SPSS 的“变量标签”应用于我的变量。

感谢您的帮助！ - 新 R 用户

Answer 1

这实际上取决于您何时要使用变量“标签”。在进行数据分析时，您肯定希望保持简短、简洁的变量名称，否则您最终会遇到

lm(Sex of Participant ~ `Year of Participation`, data=data)

这不是有效的语法，而且很麻烦地一次又一次地输入（哎呀，错别字！）。

当您完成分析后，您的老板会要求您将年龄“标签”重命名为“参与者年龄”，然后进行分析，直到您搜索并替换了之前变量名称的每一个匹配项。

因此，在编码过程中保持简洁的变量名称的情况应该很清楚（并且您并没有在您的问题中反对这一点）。

我猜你想要用于演示的可变标签。 如何应用变量标签完全取决于您呈现数据的方式。我举几个例子。

输出到控制台：

> data
  age sex year
1  12   1 1998
2  14   0 1997
3  16   1 1994

在这种情况下，我会将标签存储在一个命名向量中，该向量还定义了列的顺序。在这种情况下我们可以

labels <- c(age='Age of participant', sex="Sex of Participant", year="Year of Participation")
present <- data[,names(labels)]
colnames(present) <- labels
> present
  Age of participant Sex of Participant Year of Participation
1                 12                  1                  1998
2                 14                  0                  1997
3                 16                  1                  1994

绘制数据：

plot(data[,c('age','year'])

想要打印正确的标签？使用xlab 和ylab：

plot(data[,c('age','year'], xlab='Age of participant', ylab='Year of participation')

使用 ggplot2 绘制数据：

再次，轴标签正在抛光并单独应用

ggplot(data, aes(x=age, y=year)) + geom_point() + labs(x='Age of participant', y='Year of participation')

如果你想制作一个非常小的情节，也许你会换行 (\n) 将标签分成两行。

使用xtable的格式化表格：

这实际上与“输出到控制台”的方法相同。

结论：

我希望我已经说服了你为什么这不是一个简单的答案，变量标签在 R 中“不是一个东西”，因为它们的应用差异很大。

虽然重命名示例支持有标签的情况。然而，在整个 R 分析过程中没有包含此元数据的结构，因为来自大量软件包的许多函数通常会剥离其属性的输入 data.frames。

如果您有一个显示变量标签的特定用例，非常欢迎您在 Stackoverflow 上提出一个新问题。