Question

如何将元数据添加到tibble？

我想要一个描述我的每个变量名的句子，这样我就可以打印带有相关元数据的tibble，如果我把它交给那些以前没有看过数据的人，他们可以理解一下它

as_tibble(iris)

# A tibble: 150 × 5
   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
          <dbl>       <dbl>        <dbl>       <dbl>  <fctr>
1           5.1         3.5          1.4         0.2  setosa
2           4.9         3.0          1.4         0.2  setosa
3           4.7         3.2          1.3         0.2  setosa
4           4.6         3.1          1.5         0.2  setosa
5           5.0         3.6          1.4         0.2  setosa
6           5.4         3.9          1.7         0.4  setosa
7           4.6         3.4          1.4         0.3  setosa
8           5.0         3.4          1.5         0.2  setosa
9           4.4         2.9          1.4         0.2  setosa
10          4.9         3.1          1.5         0.1  setosa
# ... with 140 more rows

# Sepal.length. Measured from sepal attachment to stem
# Sepal.width. Measured at the widest point
# Petal.length. Measured from petal attachment to stem
# Petal.width. Measured at widest point
# Species. Nomenclature based on Integrated Taxonomic Information System (ITIS), January 2018.

谢谢！

Answer 1

这看起来很棘手。原则上@ hrbrmstr的评论是要走的路（即使用?comment或?attr向任何对象添加属性），但默认情况下不会打印出这些属性 < / em>的。似乎为原子对象自动打印属性：

> z <- 1:6 > attr(z,"hello") <- "goodbye" > z [1] 1 2 3 4 5 6 attr(,"hello") [1] "goodbye"

...但不是，唉，对于数据帧或数据：

dd <- tibble::data_frame(x=1:4,y=2:5) > attr(dd,"metadata") <- c("some stuff","some more stuff") > dd # A tibble: 4 x 2 x y <int> <int> 1 1 2 2 2 3 3 3 4 4 4 5

您可以使用自己的S3类包装对象以打印这些内容：

class(dd) <- c("my_tbl",class(dd)) > print.my_tbl <- function(x) { + NextMethod(x) + print(attr(x,"metadata")) + invisible(x) + } > dd # A tibble: 4 x 2 x y <int> <int> 1 1 2 2 2 3 3 3 4 4 4 5 [1] "some stuff" "some more stuff"

你可以使印刷更加精致或漂亮，例如。

cat("\nMETADATA:\n") cat(sprintf("# %s",attr(x,"metadata")),sep="\n")

如果其他用户没有定义print.my_tbl（打印方法将回退到打印方法中），则不会发生任何错误，但只有在他们拥有{{{ 1}}定义......

Answer 2

这与Ben Bolker的建议并没有什么不同，但从概念上讲，如果我希望信息与我的数据框中的向量相关，我宁愿将它们直接绑定到向量。换句话说，我更喜欢将属性添加到矢量本身而不是数据帧对象。

我不知道我会为对象添加一个自定义类，但也许你可以调用一个类似数据帧的对象的单独函数就足够了：

library(tibble)
library(ggplot2)
library(magrittr)
library(labelVector)

print_with_label <- function(dframe){
  stopifnot(inherits(dframe, "data.frame"))
  labs <- labelVector::get_label(dframe, names(dframe))
  labs <- sprintf("%s: %s", names(dframe), labs)
  print(dframe)
  cat("\n")
  cat(labs, sep = "\n")
}

iris <- 
  as_tibble(iris) %>%  
  set_label(Sepal.Length = "This is a user friendly label",
            Petal.Length = "I much prefer reading human over computer")

print_with_label(iris)

mtcars <-
  set_label(mtcars,
            mpg = "Miles per Gallon",
            qsec = "Quarter mile time",
            hp = "Horsepower",
            cyl = "Cylinders",
            disp = "Engine displacement")

print_with_label(mtcars)

Answer 3

抱歉回复延迟。但是自从我第一次开始学习 R 以来，这个话题一直困扰着我。在我的工作中，将元数据分配给列并不常见。它是必需的。 R 似乎没有一个很好的方法来做到这一点真的让我很困扰。如此之多，以至于我写了一些包来做到这一点。

fmtr 包具有分配描述（以及其他内容）的功能。并且 libr 包具有字典功能，因此您可以查看您分配的所有元数据。

这是它的工作原理：

首先，将描述分配给列。您只需将命名列表发送到 descriptions() 函数。

library(fmtr)
library(libr)

# Create data frame
df <- iris

# Assign descriptions
descriptions(df) <- list(Sepal.Length = "Measured from sepal attachment to stem", 
                         Sepal.Width = "Measured at the widest point",
                         Petal.Length = "Measured from petal attachment to stem", 
                         Petal.Width = "Measured at the widest point",
                         Species = paste("Nomanclature based on Integrated Taxonomic", 
                                         "Information System (ITIS), January 2018."))

然后您可以通过调用 dictionary() 函数来查看所有元数据，如下所示：

dictionary(df)
# # A tibble: 5 x 10
#  Name  Column      Class  Label Description                                                 
#  <chr> <chr>       <chr>  <chr> <chr>                                                      
# 1 df    Sepal.Leng~ numer~ NA    Measured from sepal attachment to stem                     
# 2 df    Sepal.Width numer~ NA    Measured at the widest point                                
# 3 df    Petal.Leng~ numer~ NA    Measured from petal attachment to stem                      
# 4 df    Petal.Width numer~ NA    Measured at the widest point                                 
# 5 df    Species     factor NA    Nomanclature based on Integrated Taxonomic Information Syst~

如果你愿意，你可以将字典作为它自己的数据框返回，然后保存或打印它或其他什么。

d <- dictionary(df)

这是字典数据框：

如何将元数据添加到tibble

3 个答案: