0

Perlを使用して、以前に生成されたSPSS構文ファイルを取得し、R環境で使用するためにフォーマットしたいと思います。

これは、Perlと正規表現に精通している人にとってはおそらく非常に簡単な作業ですが、私はつまずきます。

このPerlスクリプト用にレイアウトした手順は次のとおりです。

  1. SPSSファイルを読み込む
  2. さらに処理およびフォーマットするために、SPSSファイル（正規表現）の適切なチャンクを見つけます
  3. 上記のさらなる処理（より多くの正規表現）
  4. R構文をコマンドラインまたはできればファイルに返します。

SPSS値ラベル構文の基本形式は次のとおりです。

...A bunch of nonsense I do not care about...
...
 Value Labels
/gender
1 "M"
2 "F"
/purpose
1 "business"
2 "vacation"
3 "tiddlywinks"

execute . 
...Resume nonsense...

そして、私が求めているR構文は次のようになります。

gender <- as.factor(gender
    , levels= c(1,2)
    , labels= c("M","F")
    )
...

これが私がこれまでに書いたPerlスクリプトです。各行を適切な配列に正常に読み込みました。最終的な印刷関数に必要なものの一般的なフローがありますが、各@vars配列に適切な@levels配列と@labels配列のみを印刷する方法を理解する必要があります。

#!/usr/bin/perl

#Need to change to read from argument in command line
open(VARVAL, "append.txt");
@lines = <VARVAL>;
close(VARVAL);

#Read through each line and put into a variable, a value, or a reject
#I really only want to read in everything between "value labels" and "execute ."
#That probably requires more regex...
foreach  (@lines){
    if ($_ =~ /\//){        #Anything with a / is a variable, remove the / and push
        $_ =~ tr/\///d;
        push(@vars, $_)
    } elsif ($_ =~/\d/) {
        push(@vals, $_)    #Anything that has a number in the line is a value
        }
}
#Splitting each @vals array into levels or labels arrays
foreach (@vals){
    @values = split(/\s+/, $_); #Splitting on a space, vunerable...better to split on first non digit character?
    foreach (@values) {
        if ($_ =~/\d/){
            push(@levels, $_);
        } else {
            push(@labels, $_)
        }
    }
}

#Get rid of newline
#I should provavly do this somewhere else?
chomp(@vars);
chomp(@levels);
chomp(@labels);

#Need to tell it when to stop adding in @levels & @labels. While loop? Hash lookup?
#Need to get rid of final comma
#Need to redirect output to a file
foreach (@vars){
    print $_ ." <- as.factor(" . $_ . "\n\t, levels = c(" ;
         foreach (@levels){
            print $_ . ",";
         }
    print ")\n\t, labels = c(";
    foreach(@labels){
            print $_ . ",";
        }
    print ")\n\t)\n";
}

そして最後に、現在実行されているスクリプトからの出力例を次に示します。

gender <- as.factor(gender
    , levels = c(1,2,1,2,3,)
    , labels = c("M","F","biz","action","tiddlywinks",)
    )

レベル1、2、ラベルMおよびFのみを含めるためにこれが必要です。

助けてくれてありがとう！

4

1 に答える 1

2

これは私にとってはうまくいくようです：

#!/usr/bin/env perl
use strict;
use warnings;

my @lines = <DATA>;

my $current_label = '';
my @ordered_labels;
my %data;
for my $line (@lines) {
    if ( $line =~ /^\/(.*)$/ ) { # starts with slash
        $current_label = $1;
        push @ordered_labels, $current_label;
        next;
    }
    if ( length $current_label ) {
        if ( $line =~ /^(\d) "(.*)"$/ ) {
            $data{$current_label}{$1} = $2;
            next;
        }
    }
}

for my $label ( @ordered_labels ) {
    print "$label <- as.factor($label\n";
    print "    , levels= c(";
    print join(',',map { $_ } sort keys %{$data{$label}} );
    print ")\n";
    print "    , labels= c(";
    print join(',',
        map { '"' . $data{$label}{$_} . '"'  }
        sort keys %{$data{$label}} );
    print ")\n";
    print "    )\n";
}

__DATA__
...A bunch of nonsense I do not care about...
...
 Value Labels
/gender
1 "M"
2 "F"
/purpose
1 "business"
2 "vacation"
3 "tiddlywinks"

execute .

そして得られます：

gender <- as.factor(gender
    , levels= c(1,2)
    , labels= c("M","F")
    )
purpose <- as.factor(purpose
    , levels= c(1,2,3)
    , labels= c("business","vacation","tiddlywinks")
    )
于 2010-07-28T23:51:00.213 に答える