README.md

In tzoltak/daneIBE: Funkcje wspomagajace przetwarzanie danych sondazowych

daneIBE

Funkcje wspomagajęce przetwarzanie danych sondażowych, w szczególności pewne elemnty pracy ze zmiennymi etykietowanymi i szybkie tworzenie rozkładów zmiennych.

Instalacja

Zakładając, że masz zainstalowany pakiet remotes (jeśli nie, zainstaluj go: install.pcakges("remotes")), wywołaj w konsoli R:

remotes::install_github("tzoltak/daneIBE")

Aby załadować zainstalowany pakiet do danej sesji R, wywołaj:

library(daneIBE)

Funkcje pakietu

Tabele z rozkładami

Funkcja tab()

Funkcja tab() tworzy tabelę z rozkładem liczebności i rozkładem częstości jednej zmiennej.

Jest przeznaczona przede wszystkim do analiz eksploracyjnych z wykorzystaniem zmiennych etykietowanych - pozwala obejrzeć ich rozkład, wraz z mapowaniem wartości-etykiety bez konieczności konwertowania ich na inny typ zmiennej.

Może być wywołana na:

• wektorze (w tym czynniku),

• ramce danych,

• obiekcie tbl_svy (czyli obiekcie będącym połączeniem data.frame z informacjami o złożonym schemacie doboru próby, tworzonym przez funkcje pakietu srvyr);

• obiekcie survey.design lub svyrep.design (obiektach ze złożonymi schematami doboru próby, tworzonymi przez funkcje pakietu survey)

W każdym poza pierwsztm spośród ww. przypadków drugim argumentem podaje się zmienną (kolumnę), której rozkład ma być wygenerowany (nazwa kolumny może być podana jako wyrażenie języka lub jako ciąg znaków, tj. w odniesieniu do swojego drugiego argumentu tab() obsługuje tidy evaluation).

W przypadku obiektów ze schematami doboru próby (tbl_svy, survey.design lub svyrep.design) przy tworzeniu rozkładu automatycznie uwzględnione zostanie ważenie wynikające ze schematu doboru próby. W innych przypadkach wektor wag można podać dodatkowym argumentem w.

Przykład użycia:

tab(mtcars$cyl)
tab(mtcars, cyl)
tab(mtcars, cyl, etykietaSuma = "Sum")

library(haven)
mtcars$cyl = labelled(mtcars$cyl, c("cztery" = 4, "sześć" = 6, "osiem" = 8),
                      "liczba cylindrów")
tab(mtcars, cyl)

library(survey)
mtcarsSvy = svydesign(~1, 1, data = mtcars)
tab(mtcarsSvy, cyl)

library(srvyr)
mtcarsSrv = as_survey(mtcarsSvy)
tab(mtcarsSrv, cyl)

Funkcja tab2()

Funkcja generuje rozkład łączny liczebności i rozkład łączny lub rodzinę warunkowych rozkładów częstości dwóch zmiennych. Jako pierwszy argument przyjmuje ramkę danych, obiekt tbl_svy, survey.design lub svyrep.design (będące połączeniem data.frame z informacjami o złożonym schemacie doboru próby, tworzony przez funkcje pakietów, odpowiednio srvyr lub survey) albo table lub ftable (zwracane przez funkcje o tych samych nazwach, zawarte w podstawowej instlacji R). Radzi też sobie ze zmiennymi etykietowanymi (konwertując je na czynniki).

Metoda as_tibble pozwala przekształcić zwracane zestawienie w ramkę danych (ściśle w tibble) w postaci długiej, przydatną np. do rysowania wykresów przy pomocy ggplot2 (czyli działa analogicznie, jak metoda as.data.frame dla obiektów zwracanych przez funkcję table z pakietu base).

Argumenty:

1. Ramka danych, obiekt tbl_svy, survey.design, svyrep.design, table lub ftable.

2. Zmienna, której wartości mają zostać umieszczone w wierszach tabeli.

3. Zmienna, której wartości mają zostać umieszczone w kolumnach tabeli.

4. Kierunek procentowania (w wywołaniu funkcji wystarczy podać pierwszą literę):

   • "brak" (domyślnie),
   • "kolumny",
   • "wiersze",
   • "ogółem".

5. Dalsze argumenty - p. dokumentacja (aby ją obejrzeć wywołaj: ?tab2).

Przykłady użycia:

library(haven)
mtcars$cyl = labelled(mtcars$cyl, c("cztery" = 4, "sześć" = 6, "osiem" = 8),
                      "liczba cylindrów")
tab2(mtcars, carb, cyl, "k")
tab2(mtcars, carb, cyl, "w")
tab2(mtcars, carb, cyl, "o")
tab2(mtcars, carb, cyl)
tab2(mtcars, carb, cyl, "k", liczby = FALSE)
tab2(mtcars, carb, cyl, "k", procenty = FALSE)
tab2(mtcars, carb, cyl, "k", etykietaSuma = "Suma")
mtcars$carb[1:2] = NA
tab2(mtcars, carb, cyl, "k")
tab2(mtcars, carb, cyl, "k", etykietaBD = "brak danych")

# choć hp jako wagi obserwacji są bez sensu
tab2(mtcars, carb, cyl, "k", w = hp)

as.data.frame(tab2(mtcars, cyl, carb, "k"))
# aby uzyskać obiekt nadający się do wykorzystania
# jako źródło danych do wykresu tworzonego przy pomocy pakietu ggplot2:
as_tibble(tab2(mtcars, cyl, carb, "k"), usunSuma = TRUE)
# lub
as_tibble(tab2(mtcars, cyl, carb, "k"), usunSuma = TRUE, usunOgolem = TRUE)

Funkcja tab_n()

Funkcja generuje tabelę zestawiającą ze sobą rozkłady brzegowe liczebności i rozkład brzegowe częstości kilku zmiennych, które mogą przyjmować ten sam zbiór wartości (funkcja radzi sobie również, gdy zbiory wartości są różne, ale powstałe zestawienie raczej nie będzie wedy czytelne). Jako pierwszy argument przyjmuje ramkę danych lub obiekt tbl_svy (będący połączeniem data.frame z informacjami o złożonym schemacie doboru próby, tworzony przez funkcje pakietu srvyr). Radzi też sobie ze zmiennymi etykietowanymi (konwertując je na czynniki).

Należy skorzystać z niej jako pierwszego kroku na drodze do uzyskania tabeli z zestawieniem wielokrotnych odpowiedzi (p. opis funkcji tab_w()).

Metoda as_tibble pozwala przekształcić zwracane zestawienie w ramkę danych (ściśle w tibble) w postaci długiej, przydatną np. do rysowania wykresów przy pomocy ggplot2 (czyli działa analogicznie, jak metoda as.data.frame dla obiektów zwracanych przez funkcję table z pakietu base).

Metoda as.data.frame również jest dostępna, ale domyślnie nie przekształca tabeli (usuwa jedynie klasę tab_n), gdyż inaczej przygotowanych tabel z rozkładami nie dawałoby się bezproblemowo używać w połączeniu z funkcją kable z pakietu kable (która to funkcja metodę as.data.frame na przekazywanym jej obiekcie).

Argumenty:

1. Ramka danych, obiekt tbl_svy, survey.design, svyrep.design, table lub ftable.

2. Zmienne, których rozkłady mają zostać zwrócone podawane jako kolejne argumenty (można używać selektorów pakietu dplyr, np. starts_with).

3. Dalsze argumenty - p. dokumentacja (aby ją obejrzeć wywołaj: ?tab_n).

Przykłady użycia:

tab_n(przykladWO, P1_1, P1_2, P1_3)
tab_n(przykladWO, starts_with("P1_"))
tab_n(przykladWO, P1_1, P1_2, P1_3, kierunek = "w")
tab_n(przykladWO, P1_1, P1_2, P1_3, kierunek = "w",  etykietyZmiennych = TRUE)
tab_n(przykladWO, P1_1, P1_2, P1_3, procenty = FALSE)
tab_n(przykladWO, P1_1, P1_2, P1_3, etykietaSuma = "Suma")
tab_n(przykladWO, P1_1, P1_2, P1_3, etykietaBD = "brak danych")

tab_n(przykladWO, P1_1, P1_2, P1_3, w = waga)

as.data.frame(tab_n(przykladWO, P1_1, P1_2, P1_3))
# aby uzyskać obiekt nadający się do wykorzystania
# jako źródło danych do wykresu tworzonego przy pomocy pakietu ggplot2:
as_tibble(tab_n(przykladWO, P1_1, P1_2, P1_3), usunSuma = TRUE)

Funkcja tab_w()

Na podstawie obiektu zwróconego przez funkcję tab_n() funkcja generuje tabelę zawierającą rozkład odpowiedzi na pytanie, w którym można było wybrać więcej niż jedną pozycję kafeterii (tzw. wielokrotne odpowiedzi).

Również dla tego typu zestawień można wykorzystać metodę as_tibble, aby uzyskać ramkę danych (ściśle w tibble) w postaci długiej, przydatną np. do rysowania wykresów przy pomocy ggplot2 (por. opisy funkcji powyżej).

Argumenty:

1. Obiekt zwrócony przez funkcję tab_n().

2. Wektor wartości, które wskazują na to, że pozycja została wybrana (jego elementami mogą być ciągi znaków, nazwy podawane jako wyrażenia języka oraz selektory z pakietu dplyr, np. starts_with).

3. Opcjonalnie wektor wartości, które \strong{nie} powinny być wliczane do podstawy procentowania (jego elementami mogą być ciągi znaków, nazwy podawane jako wyrażenia języka oraz selektory z pakietu dplyr, np. starts_with).

4. Dalsze argumenty - p. dokumentacja (aby ją obejrzeć wywołaj: ?tab_w).

polprodukt = tab_n(przykladWO, starts_with("P1_"))
polprodukt

tab_w(polprodukt, "T")
tab_w(polprodukt, "T", wykluczBD = FALSE)
tab_w(polprodukt, "T", prefiksPozycji = "Jakie kwiaty lubisz:")
tab_w(polprodukt, "T", kierunek = "w", prefiksPozycji = "Jakie kwiaty lubisz:")
tab_w(polprodukt, "T", procenty = FALSE)
tab_w(polprodukt, "T", etykietaOgolem = "Ogółem")

# nieco bardziej skomplikowana sytuacja
polprodukt2 = tab_n(przykladWO, starts_with("P2_"))
polprodukt2
tab_w(polprodukt2, c("T", 1, "Tak"))

# nie ma to tutaj merytorycznego sensu, i prowadzi do ostrzeżenia ale jako 
# przykład, że można podać wartości, które mają zostać wykluczone z podstawy
#procentowania
tab_w(polprodukt2, c("T", 1, "Tak"), c(starts_with("n"), 0))

# aby uzyskać obiekt nadający się do wykorzystania
# jako źródło danych do wykresu tworzonego przy pomocy pakietu ggplot2:
as_tibble(tab_w(polprodukt2, c("T", 1, "Tak")))

Funkcje wspomagające pracę ze zmiennymi etykietowanymi wczytanych przy pomocy pakietu haven

Etykiety zmiennych

Funkcja labels()

• Wywołana na obiekcie data.frame zwraca listę etykiet zmiennych (etykiety są zawarte w elementach listy, a nazwy zmiennych w nazwach tych elementów).
• Wywołana na pojedynczej zmiennej (kolumnie) obiektu data.frame zwraca wektor z etykietami wartości (wartości są zawarte w elementach wektora, a powiązane z nimi etykiety stanowią nazwy tych elementów).

Obiekt zwrócony przez funkcję labels() (efekt działania tej funkcji) można następnie:

• wyświetlić na konsoli - zawarta w pakiecie metoda print() zapewnia przyjazne sformatowanie wyniku, jeśli tylko etykiety nie są bardzo długie (uwaga: wywołanie samego labels(coś) jest równoznaczne z żądaniem wyświetlenia zwróconego przez funkcję obiektu na konsoli);
• skonwertować na ramkę danych z kolumnami variable i label (etykiety zmiennych) lub value i label (etykiety wartości) przy pomocy funkcji as.data.frame();
• wyświetlić w podglądzie danych RStudio przy pomocy funkcji View().

Funkcja label():

Wywołana na pojedynczej zmiennej (kolumnie) obiektu data.frame zwraca etykietę tej zmiennej (zwykle jednoelementowy wektor tekstowy).

Możliwe jest też przypisanie etykiety zmiennej, z wykorzystaniem składni:

label(ramka_danych$kolumna) = "etykieta"

Funkcja value_labels()

Wywołana na obiekcie data.frame zwraca listę etykiet wartości poszczególnych zmiennych (kolumn) tego obiektu (zbioru).

Obiekt zwrócony przez funkcję value_labels() (efekt działania tej funkcji) można następnie:

• wyświetlić na konsoli - zawarta w pakiecie metoda print() zapewnia przyjazne sformatowanie wyniku, w którym zaznaczane są bloki (sąsiadujących ze sobą) zmiennych posiadających te same etykiety (uwaga: wywołanie samego value_labels(coś) jest równoznaczne z żądaniem wyświetlenia zwróconego przez funkcję obiektu na konsoli);
• wybrać z niej podzbiór elementów (zestawów etykiet zmiennych) przy pomocy operatora [] (zwrócony obiekt wciąż będzie elegancko wyświetlał się na konsoli);
• wybrać z niego jeden element (zestaw etykiet zmiennej) przy pomocy operatora [[]] lub $ - taki pojedynczy element będzie zachowywał się tak, jak obiekt zwracany przez funkcję labels() wywołaną na kolumnie obiektu data.frame.

Funkcja value_labels() może też zostać wywołana na pojedynczej zmiennej (kolumnie) obiektu data.frame - będzie wtedy działać, jak funkcja labels().

Inne funkcje

Funkcja zastosuj_codebook() pozwala tworzyć obiekty data.frame zawierające etykiety zmiennych i etykiety wartości na podstawie zbiorów w formacie .csv i powiązanych z nimi codebooków przygotowanych w formacie, który kiedyś był wykorzystywany w IBE.

Funkcja labelled_na_foreigndata() była użyteczna kiedyś, kiedy pakiet haven bardzo słabo wspierał zapis do formatów .dta i .sav.

tzoltak/daneIBE documentation built on June 2, 2025, 12:51 p.m.