如何在R语言中利用数据字典为数据框添加值标签

你可以用haven包直接创建带值标签的变量，结合dplyr批量处理，完美复现从.dta/.sav文件加载后的带标签数值格式，而不是将数值转为字符型。

步骤1：加载所需包 #

library(haven)
library(dplyr)
library(tidyr)

步骤2：整理数据字典 #

先把数据字典转换成「变量名-值标签映射」的列表结构，方便后续批量应用：

# 过滤掉无标签的行，按变量分组生成标签向量
label_maps <- dd %>%
  filter(!is.na(variable.label)) %>%
  group_by(variable.name) %>%
  summarise(labels = set_names(value, variable.label), .groups = "drop") %>%
  deframe()

步骤3：为数据框变量批量添加标签 #

用haven::labelled()函数为指定变量附加标签，同时保留原始数值类型：

df_labelled <- df %>%
  mutate(across(all_of(names(label_maps)), ~labelled(., labels = label_maps[[cur_column()]])))

验证结果 #

查看处理后的变量结构，和你期望的格式完全一致：

str(df_labelled$sex)
# 输出：
# haven_labelled<double> [1:10]
#  Labels:
#  value label
#      1  male
#      2 female

str(df_labelled$age)
# 输出：
# haven_labelled<double> [1:10] 5, 5, 5, 5, 5, 5, 5, 5, 5, -96
#  Labels:
#  value  label
#    -96 missing

关键说明 #

• haven::labelled()是核心：它会保留原始数值的类型（整数/双精度），同时在变量元数据中存储值标签，和Stata/SAS文件加载后的格式完全匹配。
• 批量处理：通过dplyr::across()可以一次性处理所有在数据字典中定义的变量，无需逐个手动转换。
• 和matchmaker的区别：match_df是把数值替换成对应的字符，而此方法是保留原始数值，仅添加标签元数据，这正是你需要的效果。

内容的提问来源于stack exchange，提问作者T.P.