1

Buenas tardes desde Canarias. Estoy trabajando con la Encuesta Nacional de Salud en España (ENSE) para los dos últimos años que se han elaborado (2011 y 2017). El caso es que hay muchas variables cuya respuesta es binaria (sí o no,hombre o mujer, A o B, etc), las repsuestas se guardan en forma númerica, pero por alguna razón que desconozco no se han registrado con los valores (1 y 0), sino que en algunas ocasiones se registraron como (1 y 2) y en otras como (1 y 6).

Necesito cambiar esos valores de (2 y 6) a (0), lo he conseguido pero me parece una forma muy ineficiente por su extensión y su redundancia por decirlo de alguna forma. Además, esta forma genera una variable fuera del dataframe por cada una que he cambiado, llenando de espacio innecesario mi ventana de entorno global ¿Cómo puedo conseguir este cambio de manera más limpia, menos extensa y menos repetitiva?

Es necesario que la forma de hacerlo exija la selección de variables dentro de cada dataframe, ya que hay muchas otras variables que contienen los valores (2 y 6) pero que NO corresponden a una pregunta cuya respuesta sea de 2 opciones. Además, con el fin de explicar más claramente mi problema, he comentado que las variables solo toman 2 valores, pero la mayoría de ellas admite también 2 respuestas más (no sabe y no contesta) a las cuales se les asigna otros valores númericos(en la mayoría de los casos (8 y 9)); también se admite, solo en algunas variables, la opción de no contestar a esa pregunta ( Admite blanco por flujo).

Para que se entienda mejor el fragmento de código:

  • los dataframes se llaman DATA_2011 y DATA_2017
  • Las variables están codificadas y cada una corresponde a una pregunta de la ENSE
  • Cada encuesta se divide en 2 partes: Encuesta de adultos y encuesta de los hogares
  • Si la variable no tiene ningún comentario al lado, significa que solo tiene dos valores, que no daba la opción de no contestar a esa pregunta y que tampoco daba la opción de contestar no sabe, ni no contesta.
attach(DATA_2011)

# Adultos 2011
SEXOa[SEXOa == 2] <-0
PROXY_0[PROXY_0==6]<-0
PROXY_2[PROXY_2==6]<-0 # Admite blanco por flujo
PROXY_3a[PROXY_3a==2]<-0 # Admite blanco por flujo
E1_1[E1_1==2]<-0 # NS/NC
F11[F11==6]<-0 # ABpF , NS/NC
G20[G20==6]<-0 # NS/NC
H22[H22==6]<-0
J27_1[J27_1==6]<-0
J28_1[J28_1==6]<-0 # NS/NC
O60[O60==6]<-0
S106a_1[S106a_1==6]<-0 # ABpF , NS/NC
T122[T122==6]<-0 # ABpF , NS/NC
S106a_3[S106a_3==6]<-0 # ABpF , NS/NC
DEPFUNC1[DEPFUNC1==6]<-0 # ABpF, no consta
DEPFUNC2[DEPFUNC2==6]<-0 # ABpF, no consta
DEPFUNC3[DEPFUNC3==6]<-0 # ABpF, no consta

# Hogares 2011
SEXO_i[SEXO_i==6]<-0
A7_1_i[A7_1_i==6]<-0
A8_2_i[A8_2_i==6]<-0
A11_1_i[A11_1_i==6]<-0
A11_2_i[A11_2_i==6]<-0
A11_3_i[A11_3_i==6]<-0
A11_4_i[A11_4_i==6]<-0
A11_5_i[A11_5_i==6]<-0
A11_6_i[A11_6_i==6]<-0
A11_7_i[A11_7_i==6]<-0
A11_8_i[A11_8_i==6]<-0
B14[B14==6]<-0 # ABpF , NS/NC
B18[B18==6]<-0 # ABpF , NS/NC
CADULTO[CADULTO==6]<-0
CMENOR[CMENOR==6]<-0
D26_1[D26_1==6]<-0 # ABpF
D26_2[D26_2==6]<-0 # ABpF
D26_3[D26_3==6]<-0 # ABpF
D26_4[D26_4==6]<-0 # ABpF
D26_5[D26_5==6]<-0 # ABpF
D26_6[D26_6==6]<-0 # ABpF
D26_7[D26_7==6]<-0 # ABpF
D26_8[D26_8==6]<-0 # ABpF
D26_9[D26_9==6]<-0 # ABpF
D26_10[D26_10==6]<-0 # ABpF
D26_11[D26_11==6]<-0 # ABpF
detach(DATA_2011)

attach(DATA_2017)

# Adultos 2017
SEXOa[SEXOa == 2] <- 0
PROXY_0[PROXY_0==2]<-0
PROXY_2[PROXY_2==2]<-0 # Admite blanco por flujo
PROXY_3b[PROXY_3b==2]<-0 # Admite blanco por flujo
E1_1[E1_1==2]<-0 # NS/NC
F7[F7==2]<-0 # ABpF , NS/NC
F12[F12==2]<-0 # ABpF , NS/NC
F16[F16==2]<-0 # ABpF , NS/NC
G22[G22==2]<-0 # NS/NC
H26_1[H26_1==2]<-0 # NS/NC
H26_2[H26_2==2]<-0 # NS/NC
H26_3[H26_3==2]<-0 # NS/NC
O66[O66==2]<-0
O69[O69==2]<-0 # ABpF , NS/NC
J27_1[J27_1==6]<-0
J28_1[J28_1==6]<-0 # NS/NC
O60[O60==6]<-0
O84_1[O84_1==2]<-0
O84_2[O84_2==2]<-0
O84_3[O84_3==2]<-0
O84_4[O84_4==2]<-0
O84_5[O84_5==2]<-0
O84_6[O84_6==2]<-0
O84_7[O84_7==2]<-0
O84_8[O84_8==2]<-0
O84_9[O84_9==2]<-0

# Hogares 2017
SEXO_i[SEXO_i==2]<-0
A7_1_i[A7_1_i==2]<-0
A8_1_i[A8_1_i==6]<-0
B14[B14==2]<-0 # ABpF , NS/NC
B18[B18==2]<-0 # ABpF , NS/NC
# Revisar los 6 y los 2
D26_1[D26_1==2]<-0 # ABpF
D26_2[D26_2==2]<-0 # ABpF
D26_3[D26_3==2]<-0 # ABpF
D26_4[D26_4==2]<-0 # ABpF
D26_5[D26_5==2]<-0 # ABpF
D26_6[D26_6==2]<-0 # ABpF
D26_7[D26_7==2]<-0 # ABpF
D26_8[D26_8==2]<-0 # ABpF
D26_9[D26_9==2]<-0 # ABpF
D26_10[D26_10==2]<-0 # ABpF
D26_11[D26_11==2]<-0 # ABpF
detach(DATA_2017)


Un saludo.

1 respuesta 1

2

Como primer medida, trabajaría directamente con el data.frame, y no con las columnas de forma individual. El problema parece reducirse a: "Hay ciertas columnas con un valor 2 que deben pasar a ser 0 y otras con el valor 6 que también deberán ser 0". Veamos un ejemplo algo más reducido al tuyo pero que sirve para ejemplificar:

set.seed(1)
DATA_2011 <- data.frame(tipo=LETTERS[1:5],
                        SEXOa=sample(1:3, 5, replace = TRUE),
                        PROXY_0=sample(4:6, 5, replace = TRUE),
                        PROXY_2=sample(4:6, 5, replace = TRUE),
                        PROXY_3a=sample(1:4, 5, replace = TRUE))

DATA_2011

  tipo SEXOa PROXY_0 PROXY_2 PROXY_3a
1    A     1       6       6        2
2    B     3       6       4        2
3    C     1       5       4        2
4    D     2       5       4        3
5    E     1       6       5        1

Tenemos en este ejemplo cuatro columnas que nos importan, en dos debemos controlar el valor 2 y en las otras el valor a modificar es el 6. Hay muchas formas para atacar el problema, pero como tenemos la suerte que el valor al que queremos llegar es el 0 en estos casos, podemos hacer un poco de aritmética de matrices para hacerlo bien simple:

col_2 <- c("SEXOa", "PROXY_3a")
col_6 <- c("PROXY_0", "PROXY_2")

DATA_2011[, col_2] <- DATA_2011[, col_2] * !DATA_2011[, col_2] == 2
DATA_2011[, col_6] <- DATA_2011[, col_6] * !DATA_2011[, col_6] == 6

DATA_2011

  tipo SEXOa PROXY_0 PROXY_2 PROXY_3a
1    A     1       0       0        0
2    B     3       0       4        0
3    C     1       5       4        0
4    D     0       5       4        3
5    E     1       0       5        1
  • Por empezar, armamos vectores con los nombres de columna para el valor 2 y el 6
  • Luego con !DATA_2011[, col_2] == 2, obtenemos una matriz de lógicos, dónde el valor de cada "celda" será Verdadero si es distinto a 2 y Falso si lo es.
  • Finalmente con DATA_2011[, col_2] * !DATA_2011[, col_2] multiplicamos cada valor original por 0 (si es una celda con un 2) y por 1 si tiene otro valor. Por consiguiente terminamos dejando en 0 solo aquellos datos de interés.
  • Tu problema, si esta solución te sirve, se limitaría a definir los nombres de columna para cada tipo de valor a modificar.

Tu Respuesta

Al pulsar en “Publica tu respuesta”, muestras tu consentimiento a nuestros términos de servicio, política de privacidad y política de cookies

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.