问题描述
使用OECD数据,我可以检索一个数据库,在该数据库中,变量由其ID和带有相应标签的列表指定。这是一个再现数据结构的最小示例:
df <- tibble(LOCATION=c("DEU","ITA","USA"),UNIT=c("DEU","EUR","USD"),value=c(120,140,160))
df
## A tibble: 3 x 3
#> LOCATION UNIT value
#> <chr> <chr> <dbl>
#> 1 DEU DEU 120
#> 2 ITA EUR 140
#> 3 USA USD 160
df_labels <- list(LOCATION = data.frame(id =c("DEU",label=c("Germany","Italy","United States")),UNIT = data.frame(id=c("USD","EUR"),label=c("Dollar","Euro")))
df_labels
#> $LOCATION
#> id label
#> 1 DEU Germany
#> 2 ITA Italy
#> 3 USA United States
#>
#> $UNIT
#> id label
#> 1 USD Dollar
#> 2 EUR Euro
我想要做的是用df
中提供的相应标签替换df_labels
中变量LOCATION和UNIT中的ID。
我定义了以下函数:
get_labels <- function(x,db) {
variable = deparse(substitute(x))
return(factor(x,levels=db[[variable]]$id,labels=db[[variable]]$label))
}
以便我可以在mutate
中使用它,如下所示:
df %>% mutate(LOCATION = get_labels(LOCATION,df_labels),UNIT = get_labels(UNIT,df_labels))
## A tibble: 3 x 3
#> LOCATION UNIT value
#> <fct> <fct> <dbl>
#> 1 Germany Euro 120
#> 2 Italy Euro 140
#> 3 United States Dollar 160
但是,我无法跨多个列使用该功能。如果我使用across
进行尝试:
df %>% mutate(across(where(is.character),~get_labels(.,df_labels)))
结果是受影响列中的NA
。显然,问题出在deparse(substitute(.))
上,它没有捕获列名。不幸的是,查看类似this one之类的问题并没有帮助。
解决方法
across
将无法访问列名,因此deparse
,substitute
技巧将不起作用。试试这个版本:
get_labels <- function(x,y,db) {
return(factor(x,levels=db[[y]]$id,labels=db[[y]]$label))
}
cols <- sapply(df,is.character)
df[cols] <- purrr::imap_dfc(df[cols],get_labels,db = df_labels)
df
# A tibble: 3 x 3
# LOCATION UNIT value
# <fct> <fct> <dbl>
#1 Germany NA 120
#2 Italy Euro 140
#3 United States Dollar 160
,
我们可以使用deframe
和map
library(purrr)
library(dplyr)
library(tibble)
lst1 <- map(df_labels,deframe)
for(nm in names(lst1)) df <- df %>%
mutate(!! nm := lst1[[nm]][!! rlang::sym(nm)])
-输出
df
# A tibble: 3 x 3
# LOCATION UNIT value
# <chr> <chr> <dbl>
#1 Germany <NA> 120
#2 Italy Euro 140
#3 United States Dollar 160