有效地将标记变量转换为因子

Question

我正在努力寻找有效地将标记变量转化为因子的方法。我正在使用的数据集可从此处获得： [https://www.dropbox.com/s/jhp780hd0ii3dnj/out.sav?dl=0][1]。是一个spss数据文件，因为同事用的东西，所以我喜欢用。

当我读入数据时，您可以看到文件中的每一个因素都变成了 "labelled" class。

#load libraries
library(haven)
library(tidy)
library(dplyr)
#Import
test<-read_sav(path='~/your/path/name/out.sav')
#Structure
str(test)
#Find Class
sapply(test, class)

我遇到的第一个问题是 ggplot2 不知道如何将比例应用于标记 class。

#
td<-ford %>%
select(income, stress) %>%
group_by(income, stress)%>%
filter(is.na(stress)==FALSE)%>%
filter(is.na(income)==FALSE)%>%
summarize(Freq=n())%>%
mutate(Percent=(Freq/sum(Freq))*100)

#Draw plot
ggplot(td, aes(x=income, y=Percent, group=stress))+
#barplot
geom_bar(aes(fill=stress), stat='identity')

通过将分类变量 'income' 包装在 as_factor()

中可以很好地解决这个问题

#Draw plot
ggplot(td, aes(x=as_ford(income), y=Percent, group=stress))+
#barplot
geom_bar(aes(fill=stress), stat='identity')

这对 rone 变量有效，但是，如果我正在进行探索性研究，我可能会做很多带有很多标记变量的图。这给我留下了相当多的额外输入。

当您收集大量变量来绘制多个交叉表时，这个问题会被放大，您会丢失值标签。

##Visualizations
test<-ford %>%
#The first two variables are the grouping, variables for a series of cross tabs
select(ford, stress,resp_gender, immigrant2, education,  property, commute,     cars, religion) %>%
#Some renamings
rename(gender=resp_gender, educ=education, immigrant=immigrant2,  relig=religion)%>%
#Melt all variables other than ford and stress
gather(variable, category, -ford, -stress)%>%
#Group by all variables
group_by(variable, category, ford, stress) %>%
#filter out missings
filter(is.na(stress)==FALSE&is.na(ford)==FALSE)%>%
#filter out missings
filter(is.na(value)==FALSE)%>%
#summarize
summarize(freq=n())

#Show plots
ggplot(test, aes(x=as_factor(value), y=freq,    group=as_factor(ford)))+geom_bar(stat='identity',position='dodge', aes(fill=as_factor(ford)))+facet_grid(~category, scales='free')

所以，现在所有被融化的变量的值标签都消失了。因此，我能看到的防止这种情况的唯一方法是单独使用 as_factor() 将每个标记变量转换为一个以值标签作为因子水平的因子。但是，同样，这是很多打字。

我想我的问题是如何最有效地处理标记的 class，将它们转化为因子，特别是关于 ggplot2。

Answer 1

已经有一段时间了，评论中已经有了答案，但我还是会 post 使用 dplyr 来回答。

library(haven)

# Load Stata file and look at it
nlsw88 <- read_dta('http://www.stata-press.com/data/r15/nlsw88.dta')
head(nlsw88)

我们看到有一些带标签的变量。如果我们只想转换特定的变量，我们可以使用mutate_at from dplyr。

# Convert specific variables to factor
nlsw88 %>%
    mutate_at(
        vars('race'),
        funs(as_factor(.))
    ) %>%
    head()

根据 Gregor 和 aosmith 的评论，我们还可以使用 mutate_if 函数转换所有标记变量，测试 labelled class。这将为您节省大量额外的输入。

# Convert all labelled variables to factor
nlsw88 %>%
    mutate_if(
        is.labelled,
        funs(as_factor(.))
    ) %>%
    head()

这可用于创建类似于您所描述的条形图（尽管这个特定的图可能没有多大意义）：

nlsw88 %>%
    select(race, married, collgrad, union) %>%
    mutate_if(
        is.labelled,
        funs(as_factor(.))
    ) %>%
    gather(variable, category, -c(race, married)) %>%
    group_by(race, married, variable, category) %>%
    summarise(freq = n()) %>%
    filter(!is.na(category)) %>%
    ggplot(aes(x = category, y = freq)) +
    geom_bar(stat = 'identity', aes(fill=race)) +
    facet_grid(~married)

有效地将标记变量转换为因子

Efficiently converting labelled variables to factors

r

tidy

ggplot2

dplyr

r-haven