根据变量值（水平）对调查数据进行子集化？
Subsetting survey data based on variable values(levels)?
我正在尝试通过使用调查参与者的职业作为样本来分析 PIAAC（国际成人能力评估计划）数据。 .csv 文件包含两个 sheet：一个包含变量，另一个包含变量可以采用的值。可以通过以下方式访问不同国家/地区的各个文件：https://webfs.oecd.org/piaac/puf-data/CSV/ 或直接通过以下方式访问整个数据集：
library("devtools")
install_github("pbiecek/PISA2012lite") #Needed to access the PIAAC data
data("piaac", package = "PIAAC")
当我读取R中的数据时，变量"ISCO08_C"表示参与者的当前职业，而在R中的data.frame中它只取值取值9996、9997、9998 , 9999，分别对应"Valid Skip"、"Don't know"、"Refused"和"Not stated or inferred"（这些可以在OECD PIAAC网站提供的codebook中找到：https://www.oecd.org/skills/piaac/data/).在值 sheet 的 .csv 文件中，还有每个职业的代码，我的目标是获得与特定 ISCO08 分类代码相关联的参与者的子集。在我的例子中，代码是“233”。这是前 20 个条目的样子：
head(aut$ISCO08_C, 20)
[1] 9996 9996 9996 9999 9996 9999 9999 9996 9999 9999
[11] 9999 9999 9999 9999 9999 9999 9999 9996 9999 9999
605 Levels: 9996 9999 0110 0210 0310 1111 1113 1114 ... 33
我看到有 605 个级别，也许我的问题的解决方案就在那里，但我不确定如何继续。我试过这样做：
aut = subset(piaac, CNTRYID == "Austria")
teachers = aut[aut$ISCO08_C %in% "233"]
但考虑到变量取值从 9996 到 9999，它除了给我 0 个变量之外并没有太大作用，这是可以理解的。下面我提供了感兴趣的变量的结构和 ASCII 表示。
> str(piaac$ISCO08_C)
Factor w/ 605 levels " ",..: 2 2 2 3 2 3 3 2 3 3 ...
> dput(head(piaac$ISCO08_C))
structure(c(2L, 2L, 2L, 3L, 2L, 3L), .Label = c(" ",
"9996 ", "9999 ", "0110 ", "0210 ",
"0310 ", "1111 ", "1113 ", "1114 ",
"1120 ", "1211 ", "1212 ", "1213 ",
"1219 ", "1221 ", "1222 ", "1223 ",
"1321 ", "1323 ", "1324 ", "1330 ",
"1342 ", "1343 ", "1344 ", "1345 ",
"1346 ", "1349 ", "1411 ", "1412 ",
"1420 ", "1431 ", "1439 ", "2113 ",
"2120 ", "2131 ", "2133 ", "2141 ",
"2144 ", "2145 ", "2149 ", "2151 ",
"2152 ", "2153 ", "2161 ", "2162 ",
"2163 ", "2165 ", "2166 ", "2211 ",
"2212 ", "2221 ", "2222 ", "2230 ",
"2240 ", "2250 ", "2261 ", "2262 ",
"2263 ", "2264 ", "2265 ", "2266 ",
"2267 ", "2269 ", "2310 ", "2320 ",
"2330 ", "2341 ", "2342 ", "2351 ",
"2352 ", "2354 ", "2355 ", "2356 ",
"2359 ", "2411 ", "2412 ", "2413 ",
"2421 ", "2422 ", "2423 ", "2424 ",
"2431 ", "2432 ", "2433 ", "2511 ",
"2512 ", "2513 ", "2514 ", "2519 ",
"2521 ", "2522 ", "2611 ", "2612 ",
"2619 ", "2621 ", "2622 ", "2632 ",
"2634 ", "2635 ", "2636 ", "2641 ",
"2642 ", "2643 ", "2651 ", "2652 ",
"2654 ", "2655 ", "2659 ", "3111 ",
"3112 ", "3113 ", "3114 ", "3115 ",
"3116 ", "3118 ", "3119 ", "3121 ",
"3122 ", "3123 ", "3133 ", "3135 ",
"3139 ", "3141 ", "3152 ", "3153 ",
"3154 ", "3211 ", "3212 ", "3213 ",
"3221 ", "3240 ", "3251 ", "3252 ",
"3253 ", "3254 ", "3256 ", "3257 ",
"3258 ", "3259 ", "3311 ", "3312 ",
"3313 ", "3314 ", "3315 ", "3321 ",
"3322 ", "3323 ", "3331 ", "3332 ",
"3333 ", "3334 ", "3339 ", "3341 ",
"3342 ", "3343 ", "3344 ", "3351 ",
"3352 ", "3353 ", "3354 ", "3355 ",
"3359 ", "3411 ", "3412 ", "3413 ",
"3422 ", "3423 ", "3431 ", "3432 ",
"3434 ", "3435 ", "3511 ", "3512 ",
"3513 ", "3514 ", "4110 ", "4120 ",
"4132 ", "4211 ", "4221 ", "4222 ",
"4223 ", "4224 ", "4225 ", "4226 ",
"4229 ", "4311 ", "4312 ", "4313 ",
"4321 ", "4322 ", "4323 ", "4411 ",
"4412 ", "4413 ", "4416 ", "4419 ",
"5111 ", "5112 ", "5113 ", "5120 ",
"5131 ", "5132 ", "5141 ", "5142 ",
"5151 ", "5152 ", "5153 ", "5163 ",
"5164 ", "5165 ", "5211 ", "5212 ",
"5221 ", "5222 ", "5223 ", "5230 ",
"5242 ", "5244 ", "5246 ", "5249 ",
"5311 ", "5312 ", "5321 ", "5322 ",
"5329 ", "5411 ", "5412 ", "5413 ",
"5414 ", "5419 ", "6111 ", "6112 ",
"6113 ", "6121 ", "6130 ", "7111 ",
"7112 ", "7114 ", "7115 ", "7119 ",
"7121 ", "7122 ", "7123 ", "7124 ",
"7125 ", "7126 ", "7127 ", "7131 ",
"7132 ", "7133 ", "7211 ", "7212 ",
"7214 ", "7215 ", "7221 ", "7222 ",
"7223 ", "7231 ", "7232 ", "7233 ",
"7234 ", "7313 ", "7315 ", "7316 ",
"7318 ", "7319 ", "7321 ", "7322 ",
"7411 ", "7412 ", "7413 ", "7421 ",
"7422 ", "7511 ", "7512 ", "7514 ",
"7521 ", "7522 ", "7532 ", "7533 ",
"7534 ", "7543 ", "8114 ", "8121 ",
"8122 ", "8131 ", "8132 ", "8142 ",
"8143 ", "8152 ", "8153 ", "8157 ",
"8159 ", "8160 ", "8171 ", "8172 ",
"8181 ", "8183 ", "8189 ", "8211 ",
"8212 ", "8219 ", "8311 ", "8312 ",
"8322 ", "8331 ", "8332 ", "8341 ",
"8342 ", "8343 ", "8344 ", "9111 ",
"9112 ", "9121 ", "9123 ", "9129 ",
"9211 ", "9212 ", "9213 ", "9214 ",
"9312 ", "9313 ", "9321 ", "9329 ",
"9331 ", "9333 ", "9334 ", "9412 ",
"9510 ", "9520 ", "9611 ", "9612 ",
"9622 ", "9623 ", "9629 ", "9997 ",
"1311 ", "1312 ", "1322 ", "1341 ",
"21 ", "2111 ", "2132 ", "2142 ",
"2146 ", "2164 ", "226 ", "23 ",
"2353 ", "2434 ", "2631 ", "2656 ",
"31 ", "3117 ", "3131 ", "3132 ",
"3142 ", "3143 ", "3151 ", "3214 ",
"3230 ", "3255 ", "3421 ", "3433 ",
"35 ", "3521 ", "3522 ", "4131 ",
"4212 ", "4213 ", "4227 ", "4415 ",
"5169 ", "5245 ", "6123 ", "6129 ",
"6210 ", "7213 ", "7224 ", "723 ",
"7311 ", "7314 ", "7515 ", "7523 ",
"7531 ", "7536 ", "7544 ", "7549 ",
"81 ", "8111 ", "8141 ", "8151 ",
"8155 ", "8182 ", "8350 ", "9122 ",
"9215 ", "9311 ", "9411 ", "9613 ",
"9621 ", "9998 ", "011 ", "021 ",
"031 ", "1112 ", "112 ", "122 ",
"132 ", "133 ", "142 ", "210 ",
"211 ", "2114 ", "212 ", "214 ",
"2143 ", "221 ", "223 ", "224 ",
"225 ", "231 ", "232 ", "233 ",
"234 ", "2343 ", "235 ", "2357 ",
"241 ", "242 ", "243 ", "2443 ",
"25 ", "251 ", "2523 ", "2529 ",
"264 ", "2653 ", "311 ", "313 ",
"3134 ", "314 ", "321 ", "324 ",
"325 ", "332 ", "3324 ", "333 ",
"334 ", "341 ", "343 ", "351 ",
"352 ", "4 ", "41 ", "411 ",
"412 ", "422 ", "431 ", "441 ",
"51 ", "511 ", "512 ", "52 ",
"522 ", "523 ", "5232 ", "53 ",
"531 ", "532 ", "541 ", "6114 ",
"6122 ", "613 ", "621 ", "6222 ",
"6223 ", "631 ", "6320 ", "713 ",
"722 ", "731 ", "7317 ", "7323 ",
"74 ", "741 ", "75 ", "751 ",
"7513 ", "8113 ", "813 ", "816 ",
"82 ", "831 ", "832 ", "833 ",
"834 ", "835 ", "91 ", "911 ",
"921 ", "9216 ", "93 ", "951 ",
"952 ", "961 ", "962 ", " 210 ",
" 211 ", " 212 ", " 310 ", "2633 ",
"3155 ", "4214 ", "4712 ", "6221 ",
"6224 ", "6310 ", "6340 ", "7113 ",
"7312 ", "7541 ", "7542 ", "8156 ",
"8321 ", "3222 ", "5162 ", "7535 ",
"121 ", "131 ", "141 ", "215 ",
"261 ", "263 ", "331 ", "342 ",
"421 ", "513 ", "514 ", "5243 ",
"622 ", "753 ", "8112 ", "812 ",
"815 ", "817 ", "912 ", "932 ",
"933 ", "0 ", "2 ", "3 ",
"5241 ", "611 ", "612 ", "7 ",
"71 ", "711 ", "712 ", "72 ",
"752 ", "8 ", "811 ", "814 ",
"8154 ", "821 ", "83 ", "9 ",
"931 ", "134 ", "42 ", "432 ",
"4414 ", "61 ", "732 ", "742 ",
"941 ", "5161 ", "6330 ", "111 ",
"143 ", "213 ", "216 ", "222 ",
"252 ", "262 ", "265 ", "312 ",
"315 ", "322 ", "323 ", "335 ",
"515 ", "516 ", "524 ", "721 ",
"754 ", "818 ", "12 ", "632 ",
"633 ", "2112 ", "24 ", "33 "
), class = "factor")
我希望这些信息足以理解问题。任何帮助将不胜感激。提前谢谢你。
我认为这里的答案很简单。 piacc 数据具有类型为 factor 的列 ISO08_C。它包含您可以在 dput 中看到的所有因子水平的条目。但是，在奥地利的子集中，只有数字 9996 和 9999 存在。
当您使用因子列对数据框进行子集化时，即使某些因子水平不在子集中，所有因子水平也会保留。
例如：
df_with_factors <- data.frame(group = as.factor(rep(LETTERS[1:5], each = 2)))
subsetted_df <- subset(df_with_factors, group != "A")
subsetted_df
#> group
#> 3 B
#> 4 B
#> 5 C
#> 6 C
#> 7 D
#> 8 D
#> 9 E
#> 10 E
您可以看到 subsetted_df$group 中没有 "A" 个条目。然而，如果我检查因子水平：
levels(subsetted_df$group)
#> [1] "A" "B" "C" "D" "E"
您可以看到 "A" 作为一个因子水平仍然存在，即使它没有在这个子集中使用。
如果您使用您提供的 link 仅将奥地利数据下载为 csv，您可以确认您的数据是这种情况。
df <- read.csv("https://webfs.oecd.org/piaac/puf-data/CSV/prgautp1.csv")
现在，如果我从奥地利数据中列出 ISO08_C 的不同值，我可以看到：
table(df$ISCO08_C)
#> 9996 9999
#> 1392 3692
所以对您的问题的简短回答是奥地利数据集中没有回答这个特定问题，因此您正在尝试分析您拥有的数据集中不存在的数据。
我正在尝试通过使用调查参与者的职业作为样本来分析 PIAAC（国际成人能力评估计划）数据。 .csv 文件包含两个 sheet：一个包含变量，另一个包含变量可以采用的值。可以通过以下方式访问不同国家/地区的各个文件：https://webfs.oecd.org/piaac/puf-data/CSV/ 或直接通过以下方式访问整个数据集：
library("devtools")
install_github("pbiecek/PISA2012lite") #Needed to access the PIAAC data
data("piaac", package = "PIAAC")
当我读取R中的数据时，变量"ISCO08_C"表示参与者的当前职业，而在R中的data.frame中它只取值取值9996、9997、9998 , 9999，分别对应"Valid Skip"、"Don't know"、"Refused"和"Not stated or inferred"（这些可以在OECD PIAAC网站提供的codebook中找到：https://www.oecd.org/skills/piaac/data/).在值 sheet 的 .csv 文件中，还有每个职业的代码，我的目标是获得与特定 ISCO08 分类代码相关联的参与者的子集。在我的例子中，代码是“233”。这是前 20 个条目的样子：
head(aut$ISCO08_C, 20)
[1] 9996 9996 9996 9999 9996 9999 9999 9996 9999 9999
[11] 9999 9999 9999 9999 9999 9999 9999 9996 9999 9999
605 Levels: 9996 9999 0110 0210 0310 1111 1113 1114 ... 33
我看到有 605 个级别，也许我的问题的解决方案就在那里，但我不确定如何继续。我试过这样做：
aut = subset(piaac, CNTRYID == "Austria")
teachers = aut[aut$ISCO08_C %in% "233"]
但考虑到变量取值从 9996 到 9999，它除了给我 0 个变量之外并没有太大作用，这是可以理解的。下面我提供了感兴趣的变量的结构和 ASCII 表示。
> str(piaac$ISCO08_C)
Factor w/ 605 levels " ",..: 2 2 2 3 2 3 3 2 3 3 ...
> dput(head(piaac$ISCO08_C))
structure(c(2L, 2L, 2L, 3L, 2L, 3L), .Label = c(" ",
"9996 ", "9999 ", "0110 ", "0210 ",
"0310 ", "1111 ", "1113 ", "1114 ",
"1120 ", "1211 ", "1212 ", "1213 ",
"1219 ", "1221 ", "1222 ", "1223 ",
"1321 ", "1323 ", "1324 ", "1330 ",
"1342 ", "1343 ", "1344 ", "1345 ",
"1346 ", "1349 ", "1411 ", "1412 ",
"1420 ", "1431 ", "1439 ", "2113 ",
"2120 ", "2131 ", "2133 ", "2141 ",
"2144 ", "2145 ", "2149 ", "2151 ",
"2152 ", "2153 ", "2161 ", "2162 ",
"2163 ", "2165 ", "2166 ", "2211 ",
"2212 ", "2221 ", "2222 ", "2230 ",
"2240 ", "2250 ", "2261 ", "2262 ",
"2263 ", "2264 ", "2265 ", "2266 ",
"2267 ", "2269 ", "2310 ", "2320 ",
"2330 ", "2341 ", "2342 ", "2351 ",
"2352 ", "2354 ", "2355 ", "2356 ",
"2359 ", "2411 ", "2412 ", "2413 ",
"2421 ", "2422 ", "2423 ", "2424 ",
"2431 ", "2432 ", "2433 ", "2511 ",
"2512 ", "2513 ", "2514 ", "2519 ",
"2521 ", "2522 ", "2611 ", "2612 ",
"2619 ", "2621 ", "2622 ", "2632 ",
"2634 ", "2635 ", "2636 ", "2641 ",
"2642 ", "2643 ", "2651 ", "2652 ",
"2654 ", "2655 ", "2659 ", "3111 ",
"3112 ", "3113 ", "3114 ", "3115 ",
"3116 ", "3118 ", "3119 ", "3121 ",
"3122 ", "3123 ", "3133 ", "3135 ",
"3139 ", "3141 ", "3152 ", "3153 ",
"3154 ", "3211 ", "3212 ", "3213 ",
"3221 ", "3240 ", "3251 ", "3252 ",
"3253 ", "3254 ", "3256 ", "3257 ",
"3258 ", "3259 ", "3311 ", "3312 ",
"3313 ", "3314 ", "3315 ", "3321 ",
"3322 ", "3323 ", "3331 ", "3332 ",
"3333 ", "3334 ", "3339 ", "3341 ",
"3342 ", "3343 ", "3344 ", "3351 ",
"3352 ", "3353 ", "3354 ", "3355 ",
"3359 ", "3411 ", "3412 ", "3413 ",
"3422 ", "3423 ", "3431 ", "3432 ",
"3434 ", "3435 ", "3511 ", "3512 ",
"3513 ", "3514 ", "4110 ", "4120 ",
"4132 ", "4211 ", "4221 ", "4222 ",
"4223 ", "4224 ", "4225 ", "4226 ",
"4229 ", "4311 ", "4312 ", "4313 ",
"4321 ", "4322 ", "4323 ", "4411 ",
"4412 ", "4413 ", "4416 ", "4419 ",
"5111 ", "5112 ", "5113 ", "5120 ",
"5131 ", "5132 ", "5141 ", "5142 ",
"5151 ", "5152 ", "5153 ", "5163 ",
"5164 ", "5165 ", "5211 ", "5212 ",
"5221 ", "5222 ", "5223 ", "5230 ",
"5242 ", "5244 ", "5246 ", "5249 ",
"5311 ", "5312 ", "5321 ", "5322 ",
"5329 ", "5411 ", "5412 ", "5413 ",
"5414 ", "5419 ", "6111 ", "6112 ",
"6113 ", "6121 ", "6130 ", "7111 ",
"7112 ", "7114 ", "7115 ", "7119 ",
"7121 ", "7122 ", "7123 ", "7124 ",
"7125 ", "7126 ", "7127 ", "7131 ",
"7132 ", "7133 ", "7211 ", "7212 ",
"7214 ", "7215 ", "7221 ", "7222 ",
"7223 ", "7231 ", "7232 ", "7233 ",
"7234 ", "7313 ", "7315 ", "7316 ",
"7318 ", "7319 ", "7321 ", "7322 ",
"7411 ", "7412 ", "7413 ", "7421 ",
"7422 ", "7511 ", "7512 ", "7514 ",
"7521 ", "7522 ", "7532 ", "7533 ",
"7534 ", "7543 ", "8114 ", "8121 ",
"8122 ", "8131 ", "8132 ", "8142 ",
"8143 ", "8152 ", "8153 ", "8157 ",
"8159 ", "8160 ", "8171 ", "8172 ",
"8181 ", "8183 ", "8189 ", "8211 ",
"8212 ", "8219 ", "8311 ", "8312 ",
"8322 ", "8331 ", "8332 ", "8341 ",
"8342 ", "8343 ", "8344 ", "9111 ",
"9112 ", "9121 ", "9123 ", "9129 ",
"9211 ", "9212 ", "9213 ", "9214 ",
"9312 ", "9313 ", "9321 ", "9329 ",
"9331 ", "9333 ", "9334 ", "9412 ",
"9510 ", "9520 ", "9611 ", "9612 ",
"9622 ", "9623 ", "9629 ", "9997 ",
"1311 ", "1312 ", "1322 ", "1341 ",
"21 ", "2111 ", "2132 ", "2142 ",
"2146 ", "2164 ", "226 ", "23 ",
"2353 ", "2434 ", "2631 ", "2656 ",
"31 ", "3117 ", "3131 ", "3132 ",
"3142 ", "3143 ", "3151 ", "3214 ",
"3230 ", "3255 ", "3421 ", "3433 ",
"35 ", "3521 ", "3522 ", "4131 ",
"4212 ", "4213 ", "4227 ", "4415 ",
"5169 ", "5245 ", "6123 ", "6129 ",
"6210 ", "7213 ", "7224 ", "723 ",
"7311 ", "7314 ", "7515 ", "7523 ",
"7531 ", "7536 ", "7544 ", "7549 ",
"81 ", "8111 ", "8141 ", "8151 ",
"8155 ", "8182 ", "8350 ", "9122 ",
"9215 ", "9311 ", "9411 ", "9613 ",
"9621 ", "9998 ", "011 ", "021 ",
"031 ", "1112 ", "112 ", "122 ",
"132 ", "133 ", "142 ", "210 ",
"211 ", "2114 ", "212 ", "214 ",
"2143 ", "221 ", "223 ", "224 ",
"225 ", "231 ", "232 ", "233 ",
"234 ", "2343 ", "235 ", "2357 ",
"241 ", "242 ", "243 ", "2443 ",
"25 ", "251 ", "2523 ", "2529 ",
"264 ", "2653 ", "311 ", "313 ",
"3134 ", "314 ", "321 ", "324 ",
"325 ", "332 ", "3324 ", "333 ",
"334 ", "341 ", "343 ", "351 ",
"352 ", "4 ", "41 ", "411 ",
"412 ", "422 ", "431 ", "441 ",
"51 ", "511 ", "512 ", "52 ",
"522 ", "523 ", "5232 ", "53 ",
"531 ", "532 ", "541 ", "6114 ",
"6122 ", "613 ", "621 ", "6222 ",
"6223 ", "631 ", "6320 ", "713 ",
"722 ", "731 ", "7317 ", "7323 ",
"74 ", "741 ", "75 ", "751 ",
"7513 ", "8113 ", "813 ", "816 ",
"82 ", "831 ", "832 ", "833 ",
"834 ", "835 ", "91 ", "911 ",
"921 ", "9216 ", "93 ", "951 ",
"952 ", "961 ", "962 ", " 210 ",
" 211 ", " 212 ", " 310 ", "2633 ",
"3155 ", "4214 ", "4712 ", "6221 ",
"6224 ", "6310 ", "6340 ", "7113 ",
"7312 ", "7541 ", "7542 ", "8156 ",
"8321 ", "3222 ", "5162 ", "7535 ",
"121 ", "131 ", "141 ", "215 ",
"261 ", "263 ", "331 ", "342 ",
"421 ", "513 ", "514 ", "5243 ",
"622 ", "753 ", "8112 ", "812 ",
"815 ", "817 ", "912 ", "932 ",
"933 ", "0 ", "2 ", "3 ",
"5241 ", "611 ", "612 ", "7 ",
"71 ", "711 ", "712 ", "72 ",
"752 ", "8 ", "811 ", "814 ",
"8154 ", "821 ", "83 ", "9 ",
"931 ", "134 ", "42 ", "432 ",
"4414 ", "61 ", "732 ", "742 ",
"941 ", "5161 ", "6330 ", "111 ",
"143 ", "213 ", "216 ", "222 ",
"252 ", "262 ", "265 ", "312 ",
"315 ", "322 ", "323 ", "335 ",
"515 ", "516 ", "524 ", "721 ",
"754 ", "818 ", "12 ", "632 ",
"633 ", "2112 ", "24 ", "33 "
), class = "factor")
我希望这些信息足以理解问题。任何帮助将不胜感激。提前谢谢你。
我认为这里的答案很简单。 piacc 数据具有类型为 factor 的列 ISO08_C。它包含您可以在 dput 中看到的所有因子水平的条目。但是，在奥地利的子集中，只有数字 9996 和 9999 存在。
当您使用因子列对数据框进行子集化时，即使某些因子水平不在子集中，所有因子水平也会保留。
例如：
df_with_factors <- data.frame(group = as.factor(rep(LETTERS[1:5], each = 2)))
subsetted_df <- subset(df_with_factors, group != "A")
subsetted_df
#> group
#> 3 B
#> 4 B
#> 5 C
#> 6 C
#> 7 D
#> 8 D
#> 9 E
#> 10 E
您可以看到 subsetted_df$group 中没有 "A" 个条目。然而，如果我检查因子水平：
levels(subsetted_df$group)
#> [1] "A" "B" "C" "D" "E"
您可以看到 "A" 作为一个因子水平仍然存在，即使它没有在这个子集中使用。
如果您使用您提供的 link 仅将奥地利数据下载为 csv，您可以确认您的数据是这种情况。
df <- read.csv("https://webfs.oecd.org/piaac/puf-data/CSV/prgautp1.csv")
现在，如果我从奥地利数据中列出 ISO08_C 的不同值，我可以看到：
table(df$ISCO08_C)
#> 9996 9999
#> 1392 3692
所以对您的问题的简短回答是奥地利数据集中没有回答这个特定问题，因此您正在尝试分析您拥有的数据集中不存在的数据。