问题描述
我已将Stata(dta)文件读入R,数据片段如下所示:
short
# A tibble: 200 x 5
q4_1 q4_2 q4_3 q4_4 treatment_cur
<dbl+lbl> <dbl+lbl> <dbl+lbl> <dbl+lbl> <chr>
1 NA(z) NA(z) NA(z) NA(z) Control
2 NA(z) NA(z) NA(z) NA(z) Control
3 1 [1.Yes] 0 [0.No] 0 [0.No] 1 [1.Yes] Treatment
4 0 [0.No] 0 [0.No] 1 [1.Yes] 0 [0.No] Control
5 0 [0.No] 0 [0.No] 0 [0.No] 1 [1.Yes] Control
6 NA(z) NA(z) NA(z) NA(z) Control
7 1 [1.Yes] 1 [1.Yes] 1 [1.Yes] 1 [1.Yes] Control
8 NA(z) NA(z) NA(z) NA(z) Treatment
9 NA(z) NA(z) NA(z) NA(z) Control
10 0 [0.No] 0 [0.No] 1 [1.Yes] 0 [0.No] Control
变量的格式如下:
str(short)
tibble [200 x 5] (S3: tbl_df/tbl/data.frame)
$ q4_1 : dbl+lbl [1:200] NA(z),NA(z),1,...
..@ label : chr "q4_1r.Do you have any of ...assignments? Bilingual/ELL"
..@ format.stata: chr "%15.0g"
..@ labels : Named num [1:2] 0 1
.. ..- attr(*,"names")= chr [1:2] "0.No" "1.Yes"
$ q4_2 : dbl+lbl [1:200] NA(z),...
..@ label : chr "q4_2r.Do you have any of ...assignments? Sp Ed (self-c)"
..@ format.stata: chr "%34.0g"
..@ labels : Named num [1:2] 0 1
.. ..- attr(*,"names")= chr [1:2] "0.No" "1.Yes"
$ q4_3 : dbl+lbl [1:200] NA(z),...
..@ label : chr "q4_3r.Do you have any of ...assignments? Sp Ed (incl.)"
..@ format.stata: chr "%72.0g"
..@ labels : Named num [1:2] 0 1
.. ..- attr(*,"names")= chr [1:2] "0.No" "1.Yes"
$ q4_4 : dbl+lbl [1:200] NA(z),...
..@ label : chr "q4_4r.Do you have any of ...assignments? Gifted/Talented"
..@ format.stata: chr "%17.0g"
..@ labels : Named num [1:2] 0 1
.. ..- attr(*,"names")= chr [1:2] "0.No" "1.Yes"
$ treatment_cur: chr [1:200] "Control" "Control" "Treatment" "Control" ...
..- attr(*,"label")= chr "treatment_cur.treatment_cur"
..- attr(*,"format.stata")= chr "%9s"
这是每个变量的类:
> class(short$q4_1)
[1] "haven_labelled" "vctrs_vctr" "double"
我需要使用来自library(gtsummary)的tbl_summary创建数据的描述性表格,这是一个非常酷的软件包,可用于创建数据的快速且可自定义的摘要状态。
关于我的数据的一件很酷的事情是,每个值都已经有一个与之关联的标签。例如,在q4_2中,0为“否”,而1为“是”。这样,当我将数据输入tbl_summary时,而不是出现在频率计数中:
q4_1 n
1 7
0 8
这可以代替显示这就是我想要的:
"q4_1r.Do you have any of ...assignments? Bilingual/ELL"
n
No 7
Yes 8
此代码不起作用,因为tbl_summary仅接受某些格式。
tbl_summary(short)
Column(s) ‘q4_1’,‘q4_2’,‘q4_3’,and ‘q4_4’ omitted from output.
Accepted classes are ‘character’,‘factor’,‘numeric’,‘logical’,‘integer’,or ‘difftime’.
如果我将这些变量转换为字符,它们将丢失其值标签,并且我只会看到以下内容,因为将其转换为字符会使变量失去其标签属性。
q4_1 n
1 7
0 8
关于如何解决这个问题有什么想法吗?我找不到具有这种var格式的内置R文件,以使其更具可复制性。
解决方法
对于标记为避风港的类,它绝不是要用于分析或数据探索的类。相反,它是从其他语言(其中数据类型与R没有一对一的关系)导入数据时介于两者之间创建的。这是从tidyverse博客文章中有关标记为变量类的避风港的。 (https://haven.tidyverse.org/articles/semantics.html)
避风港的目的不是提供可以在分析中任何地方使用的标记载体。目的是提供一个中间数据结构,您可以将其转换为常规R数据帧。
要使用tbl_summary()
,您首先要在导入的数据框中应用as_factor()
函数,例如haven::as_factor(short)
。这会将您的数据框转换为基本R类型,并保留Stata值标签作为因子。
仅供参考,我们正在使tbl_summary()
与所有类型兼容,并且在软件包的下一发行版中,将不需要as_factor()
步骤。您可以在此处跟踪实现的进度:https://github.com/ddsjoberg/gtsummary/pull/603