R:将值转换为竖线分隔格式

R: Convert values into pipe-delimited format

我正在尝试从 SPSS 输出创建 REDCap 数据字典。 SPSS 列出每个变量的允许值或因子,如下所示:

SEX       0 Male
          1 Female

LANGUAGE  1 English
          2 Spanish
          3 Other
          6 Unknown

如何将以上内容转换为 REDCap 的这种格式:

Variable        Values
SEX             0, Male | 1, Female
LANGUAGE        1, English | 2, Spanish | 3, Other | 6, Unknown

我最擅长的语言是 R。

这是一种依赖于 sub() and tidyr::fill(). It returns a dataset that you may want to write to disk (with something like readr::write_csv() or paste from the R console directly into the REDCap data dictionary 的方法。

第 1 步:将纯文本读取为单列数据集。

根据您的情况,raw_text 可能是一个文件路径。

raw_text <- "
  SEX       0 Male
            1 Female

  LANGUAGE  1 English
            2 Spanish
            3 Other
            6 Unknown"

ds_raw <- readr::read_csv(
  file      = raw_text,
  col_names = FALSE,
  trim_ws   = FALSE
)

第 2 步:从单列中提取隐含结构

  • 正则表达式识别并分隔列。 (如果您正在从文件中读取,则可能会删除初始 \s*?。)。
  • Variable 中的空格被 NA 替换。
  • IDValue 被混淆以创建 Values
  • tidyr::fill() 继承缺失的 Variable 个单元格。
library(magrittr)
pattern <- "^\s*?(\w+)?\s+(\d{1,3})\s+(.+?)$"
ds_completed <- ds_raw %>%
  dplyr::mutate(
    Variable    = sub(pattern, "\1", X1),
    ID          = as.integer(sub(pattern, "\2", X1)),
    Value       = sub(pattern, "\3", X1),
    Variable    = dplyr::na_if(Variable, ""),

    Values      = paste0(ID, ", ", Value)
  ) %>% 
  tidyr::fill(Variable) %>% 
  dplyr::select(-X1)

中间结果:

# A tibble: 6 x 4
  Variable    ID Value   Values    
  <chr>    <int> <chr>   <chr>     
1 SEX          0 Male    0, Male   
2 SEX          1 Female  1, Female 
3 LANGUAGE     1 English 1, English
4 LANGUAGE     2 Spanish 2, Spanish
5 LANGUAGE     3 Other   3, Other  
6 LANGUAGE     6 Unknown 6, Unknown

第 3 步:确定并记录 Variable

的初始顺序
ds_order <- ds_completed %>% 
  dplyr::distinct(Variable) %>% 
  tibble::rowid_to_column("variable_order")

第 4 步:每个唯一值输出一行 Variable

  • 折叠Values,用竖线隔开
  • 通过加入 ds_orderarrange() 来恢复 Variable 顺序。
ds_completed %>% 
  dplyr::group_by(Variable) %>% 
  dplyr::summarize(
    Values  = paste(Values, collapse = " | ")
  ) %>% 
  dplyr::ungroup() %>% 
  dplyr::left_join(ds_order, by="Variable") %>% 
  dplyr::arrange(variable_order) %>% 
  dplyr::select(-variable_order)

结果

# A tibble: 2 x 2
  Variable Values                                         
  <chr>    <chr>                                          
1 SEX      0, Male | 1, Female                            
2 LANGUAGE 1, English | 2, Spanish | 3, Other | 6, Unknown

在包函数中形式化。

我从来不需要从 SPSS 格式转到 REDCap 数据字典,但您需要在这里这样做是有道理的。 如果这是 SPSS 用户(了解一点 R)的频繁需求,我愿意将其移至 REDCapR 函数 并编写单元测试,如果你要创建一个 new issue 并保存一些示例输入数据集和预期数据集(用于单元测试)。

如果您需要向相反方向平移,请考虑 REDCapR::checkbox_choices()

其他资源

REDCapR and redcapAPI是开发的两个R包 围绕 REDCap API。大概有十几个packages written in various languages for the REDCap API, 但 SPSS 目前不是其中之一。