R：分配数据框列的变量标签

Question

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。

Answer 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。

Answer 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 |
#> +--------+------+

Answer 3

你可以使用包{labelled}代替{Hmisc}：

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

Answer 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"