1

Sean los siguientes dataframes:

IDENTHOGAR <- c(1011,1021,1041,1051,1071,1091) # codigo del hogar del adulto seleccionado
A7_2a <- c(1,4,2,1,1,1,1,2,1) # numero asignado al adulto seleccionado para la encuesta de adultos
niv_est <- c(1,4,4,2,3,4,4,4,2) # nivel de estudios del adulto seleccionado
edad <- c(84,26,56,70,61,35,55,38,39) # edad del adulto seleccionado
df_adultos<-data.frame(IDENTHOGAR, A7_2a, niv_est, edad)
IDENTHOGAR <- c(1011,1021,1021,1021,1021,1021,1021,1041,1041) # codigo del hogar de la persona que hace la encuesta de hogares
NORDEN_A <- c(1,1,2,3,4,5,NA,1,2) # numero de orden del adulto que hace la encuesta de hogar
A7_2a <- c(1,4,4,4,4,4,4,2,2) # numero asignado al adulto seleccionado para la encuesta de adultos
m2 <- c(63,85,85,85,85,85,85,91,91) # metros cuadrados del hogar
uds_consumo<- c(1,4.3,4.3,4.3,4.3,4.3,4.3,1.7,1.7) # unidades de consumo del hogar
df_hogar<-data.frame(IDENTHOGAR, NORDEN_A, A7_2a, m2,uds_consumo)

Son un resumen de la base de datos de la Encuesta Nacional de Salud en España( en realidad tengo muchas más variables y observaciones=filas), la cual se divide en 2 encuestas: la de hogares que se hace a todos los miembros del hogar; y la de adultos, que se selecciona a un adulto de cada hogar para que realice dicha encuesta.

Se desean fusionar de la siguiente manera:

La variable IDENTHOGAR hace referencia al hogar de la familia encuestada, A7_2a indica cuál es el adulto seleccionado para hacer la encuesta de adultos, mientras que NORDEN_A indica el número del adulto que hace la encuesta del hogar. Necesito unir ambos dataframe de tal manera que coja todas las observaciones del df_adultos y que seleccione el valor que toma la variable A7_2a de ese mismo dataframe y que incorpore los datos del df_hogar para el adulto seleccionado.

Por ejemplo, Para la segunda observacion de adultos_df vemos que el individuo 4 (A7_2a) es el seleccionado dentro del hogar para hacer la enuesta de adultos, así que quiero añadir las variables m2 y uds_consumo al dataframe, pero que solo coja las observaciones de df_hogar que se corresponda con el adulto seleccionado del primer dataframe (en este caso del df_hogares que se corresponde con la observacion NORDEN_A=4 dentro del hogar IDENTHOGAR=1021) .

He hecho varios intentos con el comando merge:

datos_def <- merge(datos_adultos,datos_hogares,by = "IDENTHOGAR",by.x="A7_2a",by.y="NORDEN_A",all.x=T)

pero ninguno me da el resultado que deseo, incluso en ocasiones se me cuelga el ordenador durante 15 minutos aprox. y aparece el siguiente mensaje de error:

Error: no se puede ubicar un vector de tamaño 4.3 Gb

1 respuesta 1

1

Si no te entendí mal, el merge debiera ser así:

datos_def <- merge(datos_adultos,
                   datos_hogares,
                   by.x = c("IDENTHOGAR", "A7_2a"),
                   by.y = c("IDENTHOGAR","NORDEN_A"),
                   all.x = TRUE)

O bien si ya lo usas o te animas a usar dplyr:

library("dplyr")

datos_adultos %>% 
  left_join(datos_hogares, by = c("IDENTHOGAR", "A7_2a" = "NORDEN_A")) -> datos_def
6
  • Con la primera solución que me propones no obtengo el resultado que deseo: La variable IDENTHOGAR toma valores que no están en ninguno de los dos dataframes y suma +1 a cada una de las observaciones de algunas variables. Si me animo a usar dplyr sí obtengo el resultado deseado.
    – Juan Luis
    Commented el 14 mar. 2020 a las 16:12
  • 1
    @juanluisAndiónTápiz, dices "la variable IDENTHOGAR toma valores que no están en ninguno de los dos dataframes", esto no lo comprendo y no entiendo que la función pueda hacer eso. ¿Podrías armar un ejemplo para reproducir esto que mencionás? Commented el 14 mar. 2020 a las 18:31
  • Al ejecutar el merge que propones, la variable IDENTHOGAR queda así: IDENTHOGAR=(00001011,00001021,00001041,00001051,00001071,00001091...). Añade 4 ceros a cada observación y coge los valores de ambos dataframes (yo necesito que coja solo los del dataframe datos_adultos). A parte, tengo variables como CA que asigna una Comunidad Autónoma a un número que va de 0 a 19, pues en esa variable y en otras, si la observación tiene un 15, tras usar el merge aparece como 16, es decir, añade +1 a cada observación de esas variables.
    – Juan Luis
    Commented el 15 mar. 2020 a las 12:13
  • 1
    @juanluisAndiónTápiz, ciertamente es un comportamiento que no parece natural del merge, he intentado reproducir lo que dices pero no encuentro forma de llegar a una hipótesis, obviamente con tu ejemplo me funciona adecuadamente, fíjate si puedes compartir tus datos de alguna manera para poder analizarlo. Commented el 15 mar. 2020 a las 15:13
  • @pmoracho, dejo los enlaces para acceder a los microdatos de la encuesta de adultos y de hogares: (mscbs.gob.es/estadEstudios/estadisticas/microdatos/EncNacSalud/…) , (mscbs.gob.es/estadEstudios/estadisticas/microdatos/EncNacSalud/…) . También te dejo el enlace de mi repositorio por si prefieres los datos en formato .xls o .dta, el nombre de los archivos acaban en _EA (adultos) y _EH (hogares) (github.com/Perfydio/Proyecto-ENS) . En el archivo script.R está todo el código que he ido haciendo incluida tu segunda propuesta.
    – Juan Luis
    Commented el 15 mar. 2020 a las 16:10

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

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