5  Data Wrangling I: Labels

library(tidyverse)
etb18_kap5 <- haven::read_dta("./data/BIBBBAuA_2018_suf1.0.dta",
                               col_select = c("intnr", "S1", "m1202", "Bula","F411_01","az","zpalter")) %>% 
  filter(F411_01<9, zpalter < 100)

5.1 Labels aus anderen Programmen in R

In vielen Programmen wie Stata oder SPSS werden die labels häufig durch die Operationen “mitgeschleift” und dann ausgegeben. Das ist in R nicht der Fall. Stattdesssen können wir mit Hilfe des Variablentyps factor Labels vergeben. Das Vorgehen mag für alle, die schon lange mit Stata oder SPSS gearbeitet haben, etwas ungewöhnlich sein - ist aber in der Praxis sehr hilfreich, wenn man sich den entsprechenden Workflow angewöhnt hat.

Wenn wir bspw. die Ansicht mit View() öffnen oder eine Auszählung mit count() erstellen, werden uns labels angezeigt:

View(etb18_kap5)
etb18_kap5 %>% count(S1)

Diese sind als attributes() Variablen zugeordnet:

attributes(etb18_kap5$S1)
$label
[1] "Geschlecht"

$format.stata
[1] "%8.0g"

$labels
männlich weiblich 
       1        2 

$class
[1] "haven_labelled" "vctrs_vctr"     "double"

…leider machen die attributes() immer wieder Probleme:

library(ggplot2)

ggplot(data = etb18_kap5, aes(x = zpalter, y = az, color = S1 )) + 
  geom_point()
Don't know how to automatically pick scale for object of type
<haven_labelled/vctrs_vctr/double>. Defaulting to continuous.
Don't know how to automatically pick scale for object of type
<haven_labelled/vctrs_vctr/double>. Defaulting to continuous.
Error in UseMethod("rescale"): nicht anwendbare Methode für 'rescale' auf Objekt der Klasse "c('haven_labelled', 'vctrs_vctr', 'double')" angewendet

In den beiden vorherigen Kapiteln haben wir schon gesehen, dass Labels in R immer etwas extra Aufwand bedeuten. In Grafiken mussten wir mit breaks = c(1,2), labels = c("Männer", "Frauen") die Labels extra erstellen.

Wie können wir die Labels attributes() verwenden und so Tipparbeit sparen?

{haven} enthält sich die Funktion as_factor1, mit der wir aus Labels direkt eine factor-Variable erstellen können:

etb18_kap5$S1_fct <- as_factor(etb18_kap5$S1)

# ansehen:
etb18_kap5 %>% select(contains("S1")) %>% head()
# A tibble: 6 × 2
  S1           S1_fct  
  <dbl+lbl>    <fct>   
1 1 [männlich] männlich
2 2 [weiblich] weiblich
3 1 [männlich] männlich
4 2 [weiblich] weiblich
5 2 [weiblich] weiblich
6 1 [männlich] männlich
ggplot(data = etb18_kap5, aes(x = zpalter, y = az, color = S1_fct )) + 
  geom_point()
Don't know how to automatically pick scale for object of type
<haven_labelled/vctrs_vctr/double>. Defaulting to continuous.

5.2 factor selbst erstellen oder bearbeiten

Für m1202 sind die Labels aber etwas lang:

tab1 <- etb18_kap5 %>% count(m1202) %>% mutate(m1202_fct = as_factor(m1202))
tab1
# A tibble: 5 × 3
  m1202                                                             n m1202_fct 
  <dbl+lbl>                                                     <int> <fct>     
1 -1 [keine Angabe]                                                44 keine Ang…
2  1 [Ohne Berufsabschluss]                                      1071 Ohne Beru…
3  2 [duale o. schulische Berufsausbildung/einf.,mittl. Beamte]  9209 duale o. …
4  3 [Aufstiegsfortbildung (Meister, Techniker, kfm. AFB u.ä.)]  1711 Aufstiegs…
5  4 [Fachhochschule, Universität/ geh., höhere Beamte]          7792 Fachhochs…

Alternativ können wir auch mit factor() und levels und labels selber labeln. Die labels werden dann der Reihenfolge nach den Zahlen aus levels zugewiesen. Außerdem wird aus allen nicht angegebenen levels automatisch NA:

tab1$m1202_fct2 <- factor(tab1$m1202, 
                        levels = c(1,2,3,4), 
                        labels = c("ohne Abs.", "dual/schul.", "Aufstiegsfortb.", "FH/Uni"))
tab1
# A tibble: 5 × 4
  m1202                                                        n m1202…¹ m1202…²
  <dbl+lbl>                                                <int> <fct>   <fct>  
1 -1 [keine Angabe]                                           44 keine … <NA>   
2  1 [Ohne Berufsabschluss]                                 1071 Ohne B… ohne A…
3  2 [duale o. schulische Berufsausbildung/einf.,mittl. B…  9209 duale … dual/s…
4  3 [Aufstiegsfortbildung (Meister, Techniker, kfm. AFB …  1711 Aufsti… Aufsti…
5  4 [Fachhochschule, Universität/ geh., höhere Beamte]     7792 Fachho… FH/Uni 
# … with abbreviated variable names ¹​m1202_fct, ²​m1202_fct2

Oder wir nutzen die Funktionen aus {forcats} zur recodierung eines factors. {forcats} ist Teil des {tidyverse}. Mit fct_recode() können wir die levels verändern:

levels(tab1$m1202_fct)[3]
[1] "duale o. schulische Berufsausbildung/einf.,mittl. Beamte"
tab1$m1202_fct3 <- fct_recode(tab1$m1202_fct,
  `duale / schulische Ausb.` = "duale o. schulische Berufsausbildung/einf.,mittl. Beamte", # bei Leerzeichen `` um die Wörter
  )
tab1 %>% select(m1202_fct,m1202_fct2,m1202_fct3)

m1202_fct

m1202_fct2

m1202_fct3

keine Angabe

keine Angabe

Ohne Berufsabschluss

ohne Abs.

Ohne Berufsabschluss

duale o. schulische Berufsausbildung/einf.,mittl. Beamte

dual/schul.

duale / schulische Ausb.

Aufstiegsfortbildung (Meister, Techniker, kfm. AFB u.ä.)

Aufstiegsfortb.

Aufstiegsfortbildung (Meister, Techniker, kfm. AFB u.ä.)

Fachhochschule, Universität/ geh., höhere Beamte

FH/Uni

Fachhochschule, Universität/ geh., höhere Beamte

Weitere fct_....() Funktionen aus {forcats}, einen Überblick gibt das Cheatsheet.

5.3 Übung

etb18_ue5 <- haven::read_dta("./data/BIBBBAuA_2018_suf1.0.dta",
                               col_select = c("intnr", "S1", "m1202", "Bula","F411_01")) %>% 
  filter(F411_01<9)

Bearbeiten Sie die labels dieses Diagramms:

F411_01: Wie häufig kommt es vor, dass Sie unter starkem Termin- oder Leistungsdruck arbeiten?

value label
1 häufig
2 manchmal
3 selten
4 nie
Code 
tab_ue5 <- 
  etb18_ue5 %>% 
  count(F411_01)
tab_ue5
# A tibble: 4 × 2
  F411_01          n
  <dbl+lbl>    <int>
1 1 [häufig]   10211
2 2 [manchmal]  6827
3 3 [selten]    2196
4 4 [nie]        769
Code 
tab_ue5 %>%
  ggplot(data = ., aes(x = F411_01, y = n)) +
  geom_col(fill = "steelblue3")

  • Erstellen Sie dafür zunächst einen data.frame mit der Auszählung durch count() und legen diese als Objekt ab.
  • Wie können Sie die labels aus den attributes() mit as_factor() in eine Variable F411_01_fct übernehmen?
  • Erstellen Sie einen factor() Variable F411_01_fct2 mit den den gewünschten Beschriftungen mit Hilfe von labels =. (Sie können die Labels der Variable F411_01 mit attributes(etb18_kap5$F411_01)$labels nachsehen.)
  • Verwenden Sie die gelabelten Variablen für die Grafik.

Bonusübung: Was müssten wir ändern, um die Grafik nach Geschlecht (S1) zu erstellen?

5.4 Anhang

5.4.1 Labels löschen mit zap_... aus {haven}

Häufig führen die Label-attributes() zu Problemen in der weiteren Verarbeitung. Mit haven::zap_labels() können wir die Value labels aus einem Datensatz löschen mit haven::zap_label() können wir die Variable labels entfernen.

etb18_kap5
# A tibble: 19,827 × 8
   intnr    az zpalter   Bula        S1           F411_01      m1202      S1_fct
   <dbl> <dbl> <dbl+lbl> <dbl+lbl>   <dbl+lbl>    <dbl+lbl>    <dbl+lbl>  <fct> 
 1   260    80 41        11 [Berlin] 1 [männlich] 1 [häufig]   4 [Fachho… männl…
 2   361    30 51        11 [Berlin] 2 [weiblich] 2 [manchmal] 2 [duale … weibl…
 3   491    40 49        11 [Berlin] 1 [männlich] 2 [manchmal] 4 [Fachho… männl…
 4   690    40 63        11 [Berlin] 2 [weiblich] 2 [manchmal] 4 [Fachho… weibl…
 5   919    39 41        11 [Berlin] 2 [weiblich] 2 [manchmal] 2 [duale … weibl…
 6  1041    40 57        11 [Berlin] 1 [männlich] 1 [häufig]   2 [duale … männl…
 7  1077    12 62        11 [Berlin] 1 [männlich] 2 [manchmal] 4 [Fachho… männl…
 8  1306    30 59        11 [Berlin] 2 [weiblich] 3 [selten]   2 [duale … weibl…
 9  1357    42 32        11 [Berlin] 2 [weiblich] 1 [häufig]   4 [Fachho… weibl…
10  1488    48 62        11 [Berlin] 2 [weiblich] 1 [häufig]   4 [Fachho… weibl…
# … with 19,817 more rows
etb18_kap5 %>% 
  haven::zap_labels() # value labels raus
# A tibble: 19,827 × 8
   intnr    az zpalter  Bula    S1 F411_01 m1202 S1_fct  
   <dbl> <dbl>   <dbl> <dbl> <dbl>   <dbl> <dbl> <fct>   
 1   260    80      41    11     1       1     4 männlich
 2   361    30      51    11     2       2     2 weiblich
 3   491    40      49    11     1       2     4 männlich
 4   690    40      63    11     2       2     4 weiblich
 5   919    39      41    11     2       2     2 weiblich
 6  1041    40      57    11     1       1     2 männlich
 7  1077    12      62    11     1       2     4 männlich
 8  1306    30      59    11     2       3     2 weiblich
 9  1357    42      32    11     2       1     4 weiblich
10  1488    48      62    11     2       1     4 weiblich
# … with 19,817 more rows

5.4.2 Labels selbst erstellen und ranspielen

Ein alternativer Weg geht über einen kleinen Label-data.frame und left_join() (mehr zu left_join() später.)

tab2 <- etb18_kap5 %>% count(m1202)
lab_df <- data.frame(m1202=1:4)
lab_df
  m1202
1     1
2     2
3     3
4     4
lab_df$m1202_lab <- factor(lab_df$m1202,levels = 1:4,
                           labels = c("ohne Abs.", "dual/schul.", "Aufstiegsfortb.", "FH/Uni"))
lab_df
  m1202       m1202_lab
1     1       ohne Abs.
2     2     dual/schul.
3     3 Aufstiegsfortb.
4     4          FH/Uni
tab2 %>% 
  left_join(lab_df,by = "m1202")
# A tibble: 5 × 3
  m1202                                                             n m1202_lab 
  <dbl+lbl>                                                     <int> <fct>     
1 -1 [keine Angabe]                                                44 <NA>      
2  1 [Ohne Berufsabschluss]                                      1071 ohne Abs. 
3  2 [duale o. schulische Berufsausbildung/einf.,mittl. Beamte]  9209 dual/schu…
4  3 [Aufstiegsfortbildung (Meister, Techniker, kfm. AFB u.ä.)]  1711 Aufstiegs…
5  4 [Fachhochschule, Universität/ geh., höhere Beamte]          7792 FH/Uni

In ggplot() geben wir dann m1202_lab an, um diese auf die x-Achse zu setzen:

tab2 %>% 
  left_join(lab_df,by = "m1202") %>% 
  ggplot(data = ., aes(x = m1202_lab, y = n)) +
  geom_col(position=position_dodge(), fill = "turquoise3")

5.4.3 Labels in R erstellen und nach bspw. Stata exportieren

Wenn wir aber beispielsweise einen Datensatz für Stata labeln wollen, hilft uns wieder {labelled}:

library(labelled)
etb18_kap5$S1_num2 <- as.numeric(etb18_kap5$S1)
attributes(etb18_kap5$S1_num2)
NULL
val_labels(etb18_kap5$S1_num2) <- c("Mann"=1,"Frau"=2)
attributes(etb18_kap5$S1_num2)
$labels
Mann Frau 
   1    2 

$class
[1] "haven_labelled" "vctrs_vctr"     "double"        
etb18_kap5 %>% count(S1_num2)
# A tibble: 2 × 2
  S1_num2       n
  <dbl+lbl> <int>
1 1 [Mann]   9984
2 2 [Frau]   9843
etb18_kap5 %>% 
  select(S1_num2) %>% 
  haven::write_dta(.,path = "./data/etb18_kap5.dta")

…in Stata:

use "./data/etb18_kap5.dta" 
tab S1_num2
    S1_num2 |      Freq.     Percent        Cum.
------------+-----------------------------------
       Mann |     10,068       50.33       50.33
       Frau |      9,935       49.67      100.00
------------+-----------------------------------
      Total |     20,003      100.00

Mehr zu labels in {labelled}.

  1. Nicht zu verwechseln mit as.factor() aus base R - der _ macht einen Unterschied!↩︎