如何使用tidyverse的map系列函数为数据框设置变量标签

优化思路 #

• 先将数据字典转为命名查找向量，避免原循环中每次都要过滤字典的冗余操作，匹配效率从O(n)降到O(1)
• 用purrr包的imap_dfr函数遍历数据集每一列，imap可以同时拿到列值和列名，非常适合当前场景

实现代码 #

library(tidyverse)

# 原有基础数据
mydata <- tibble(
  a_1 = c(20,22, 13,14,44),
  a_2 = c(42, 13, 32, 31, 14),
  b = c("male", "female", "male", "female", "male"),
  c = c("Primary", "secondary", "Tertiary", "Primary", "Secondary")
)

dictionary <- tibble(
  variable = c("a", "b", "c"),
  label = c("Age", "Gender", "Education"),
  type = c("mselect", "select", "select")
)

# 构造标签查找向量
label_lookup <- deframe(dictionary[, c("variable", "label")])

# 用imap批量设置标签
mydata_with_label <- imap_dfr(mydata, ~{
  # 提取列名前缀，匹配对应标签
  attr(.x, "label") <- label_lookup[str_remove(.y, "_.*")]
  return(.x)
})

效果验证 #

运行以下代码可以查看设置好的变量标签：

attr(mydata_with_label$a_1, "label")
# 输出："Age"
attr(mydata_with_label$c, "label")
# 输出："Education"

如果变量数量很大，这个方案的速度会比原有循环快很多，核心优化点就是提前构造了查找表，避免了重复过滤字典的操作。

内容的提问来源于stack exchange，提问作者Moses