大家好，我是王路情博士，一个坚持早上5点起床和使用R语言的数据科研工作者。
我已经完成了NHANES小课的前三课，感谢大家的关注、喜欢和支持。
通过这个NHANES小课，我认识了新朋友，学习了新知识，发现了新问题，得到了新启示。
感恩遇见，共赢未来。
“我用nhanesA包获取NHANES数据库”是我的NHANES小课第四课。
前面三课，告诉了大家，我是用R语言和RStudio做NHANES数据库的分析和挖掘工作。
关于
1）R语言是什么？
2）R语言软件如何安装？
3）RStudio又是什么？
4）RStudio软件又如何安装和使用？
5）R语言如何学习和进阶？
等等
若是有很多朋友，在这方面有问题，我就会考虑写一个《R语言小课》合集。
这一课，我分享获取NHANES数据库的方法。
关于如何获取NHANES数据库，一路走来，我尝试过多种方式，逐一说明如下：
方式一：直接从官网下载数据集到本地，再通过R语言导入数据集处理
方式二：通过编写代码线上下载和整理（有可能因为网络问题，不稳定）
方式三：把别人下载好的数据集做分类管理，相当于在本地构建了一个NHANES数据库，后续导入就好
方式四：尝试用一些NHANES数据库相关的包，加载包后，使用包里面函数获取NHANES数据库。
以上方式尝试过后， 我喜欢用nhanesA包做NHANES数据库获取的工作。
换句话说，在NHANES数据库分析和挖掘项目，肯定能够找到用了 nhanesA包的R语言脚本。
敲黑板了，请朋友们重视：
1）nhanesA包管理和常用函数
2）使用nhanesA包整理一份数据表的元数据（数据的数据或者里面字段的含义说明表）
3）nhanesA包获取感兴趣的数据集
4）nhanesA包的查找功能介绍
一、nhanesA包管理
我使用 pacman包做包管理工作，包括所需要包的安装和加载，一条语句就搞定。
library( 'pacman')
p_load( 'nhanesA') # 获取NHANES数据库包
p_load( 'tidyverse') # 数据科学工具集
p_load( 'survey') # 权重分析工具集
p_load( 'openxlsx') # Excel读写工具集
我用 R语言的帮助文档，指导我高效学习 nhanesA包的学习和应用
# 查看nhanesA的帮助文档
help( package='nhanesA')
如下图：
红色方框圈出来的内容，是我重点学习的内容。
包括：
1）包的实用手册和相关文档（里面提供了两份手册，值得深入学习和实践一把）
2）获取NHANES数据库数据表结果，并返回数据框格式的nahnes函数
3）用于查询相关系列的函数集（nhanesSearch/nhanesSearchTableNames/nhanesSearchVarName)
4）查看数据表和变量集信息函数（nhanesTables/nhanesTableVars)
关于如何学习和使用这些函数，我的学习方法。
1）首先，阅读包的实用手册和参考文档
2）其次，对于感兴趣的函数，点击进入，做函数的学习，从 函数的定义、参数设置、返回结果和应用示例，这些方面学习和练习。
以 nhanesTables函数为例
进入这个函数后，如下图
对于这个图，我按着标记，逐一解读和学习。
1）函数功能描述，返回数据模块下的数据表情况
2）函数的定义，包括函数名和参数，以及参数的默认值设置
3）参数说明，比方说，第一个参数，data_group，对于NHANES可以获取的5个公开数据模块，分别是人口统计学、饮食、检查、实验室、问卷，在nhanesA包依次实用（ DEMO、DIET、EXAM、LAB和Q）来表示。
4）函数的功能详细介绍
5）函数的返回值说明
6）函数使用是示例
依次类推，其它的函数也可以按着这个方法学习和使用。
二、nhanesA包使用
2.1 构建数据表元数据
所谓元数据，是数据的数据。
或者说
就是对数据模块下各个表的介绍数据，以及对各个表下各个字段含义详细的数据。
我这里，以 2013年这个周期为例
通过nhanesA包，整理出两份元数据表，并且保存为xlxs格式。
一份是，数据块各个数据表的元数据
代码片段
data_group<-c( 'DEMO', 'DIET', 'EXAM', 'LAB', 'Q')
table_df<-list
for( sub_dataindata_group) {
print( sub_data)
# 第一步：获取各个数据模块对应的表
tables<-nhanesTables( sub_data, 2013)
names( tables) <-c( "TableName", "TableDeion")
tables[[ "DataGroup"]] <-sub_data
table_df[[ sub_data]] <-tables
}
combined_df<-do.call( rbind, table_df)
dim( combined_df)
# 数据模块的表数据保存
# 保存为Excel文件
write.xlsx( combined_df, './output/1data_group_tables.xlsx')
五大数据模块，包括 183张表。
这份元数据，部分结果如下图：
另一份是，数据块各个数据表下的各个数据字段的元数据
代码片段
data_group<-c( 'DEMO', 'DIET', 'EXAM', 'LAB', 'Q')
vars_df<-list
for( sub_dataindata_group) {
print( sub_data)
# 第一步：获取各个数据模块对应的表
tables<-nhanesTables( sub_data, 2013)
names( tables) <-c( "TableName", "TableDeion")
table_name<-tables$TableName
for( sub_tableintable_name) {
# 第二步：获取各个数据表对应的变量信息
print( sub_table)
vars<-nhanesTableVars( sub_data, sub_table)
names( vars) <-c( "VariableName", "VariableDeion")
print( length( vars$VariableName))
name_tmp<-paste( sub_data, '_', sub_table)
vars[[ "DataGroupTable"]] <-name_tmp
vars_df[[ name_tmp]] <-vars
}
}
combined_vars_df<-do.call( rbind, vars_df)
dim( combined_vars_df)
# 数据模块的表的变量名数据保存
# 保存为Excel文件
write.xlsx( combined_vars_df, './output/2data_group_tables_vars.xlsx')
五大数据模块，183张表，包括7291个变量集，各个表之间通过变量： SEQN（Respondent sequence number）做关联，实现纵向扩展，形成一张大宽表，可以使用 tidyverse包里面的 full_join函数做全连接操作，得到完整数据后，在按着科研选题，做纳排处理。
这份元数据，部分结果如下图：
这两份Excel数据，若是需要的朋友，可以添加我的微信获取。
2.2 获取感兴趣数据集
确定科研选题后，先选择一个周期的数据，使用 nhanes函数获取感兴趣的数据集。
我的工作流，按着如下步骤：
第一步：确定科研选题。
关于科研选题这块，可以读我的NHANES小课第三课 。
第二步：选定一个周期数据
第三步：使用nhanes函数获取与课题相关的数据表数据
第四步：变量取值的映射处理
第五步：选择合适的变量集
第六步：各个数据表的拼接，全连接操作
第七步：在其他周期里面，继续执行2~6步
第八步：横向拼接数据集
第三步和第四步，使用nhanesA包的nhanes函数、nhanesTranslate函数
第五步到第六步，使用tidyverse包的select函数、full_join函数等其它函数集。
截止到现在，科研选题的数据准备工作，已经完成，后续工作就是按着科研任务，依次做
1）数据纳排；
2）数据处理；
3）数据分析；
4）数据结果解读和整理。
nhanes函数获取数据，举例说明。
下载和获取DEMO_D和BMX_D，它是NHANES2005-2006这个周期的数据集，分别来自人口统计数据模块和检查数据模块（EXAM）。
并且对两个数据集做全连接，选择感兴趣的列，形成新的数据子集，做数据检视操作。
代码片段
demo_d<-nhanes( 'DEMO_D')
bmx_d<-nhanes( 'BMX_D')
# 全连接拼接
demo_bmx<-demo_d%>%
full_join( bmx_d)
# 选择感兴趣的列
demo_bmx1<-demo_bmx%>%
select(
SEQN, RIAGENDR, BMXHT, BMXWT, BMXLEG, BMXCALF, BMXTHICR
)
# 数据检视
demo_bmx1%>%
slice_head( n=10)
数据结果
使用nhanes函数获取数据时，默认把一些类型变量的字段映射成变量codebook里面的取值。若是需要自定义和灵活选择所需变量做映射，可以按着下面步骤进行：
1）nhanes获取数据时，参数translate 由默认值TRUE设定为FALSE
2）选取表格里面需要映射的变量集
3）使用nhanesTranslate对指定的变量集做映射处理。
代码片段
bpx_d<-nhanes( 'BPX_D', translate=FALSE)
head( bpx_d[, 6:11])
bpx_d_vars<-names( bpx_d)
bpx_d<-nhanesTranslate( 'BPX_D', bpx_d_vars, data=bpx_d)
head( bpx_d[, 6:11])
映射前的数据结果
映射后的数据结果
有时候，当我们的科研选题需要从同一个周期下很多表里面获取数据时。
方式一，就是把同一周期下目标表，先确定好，然后使用上面的方法逐一下载和保存这些包的数据。
方式二，使用 lapply函数，批量下载目标的数据集，并且把它存到一个列表数据结构，然后把它转换为数据框
在这里，我演示下方式二的实现。
# 使用lapply函数
exam2007names <- nhanesTables('EXAM', 2007, namesonly=TRUE)
# 需要用到BMX_E/BPX_E两张表里面的数据
target_tables <- c("BMX_E", "BPX_E")
exam2007tables <- lapply(target_tables, nhanes)
length(exam2007tables)
names(exam2007tables) <- target_tables
# 列表数据结构转换为数据框
bmx_e <- exam2007tables$BMX_E
bpx_e <- exam2007tables$BPX_E
dim(bmx_e)
dim(bpx_e)
# 数据拼接
exam_2007_df <- bmx_e %>%
full_join(bpx_e)
dim(exam_2007_df)
2.3 查找功能使用
我在NHANES小课第二课，“带你全面认识NHANES数据库 ”，介绍了官网的查找功能以及如何使用，并且以久坐这个关键词做了示范。
我们通过NHANES官网的查询功能，基于关键词获得目标表后，然后就可以使用前面获取NHANES数据库的方法，获取和整理数据集就好了。
在具体操作中，建议大家，针对科研选题，整理 一份数据清单。
这个数据清单，包括：
1）科研选题标题
2）研究对象
3）自变量和因变量
4）协变量
5）数据模块
6）数据目标表
7）数据周期
带着这份数据清单，开展后续的工作。
nhanesA包，也提供了3个与查找相关的函数，常用的函数是nhanesSearch。
这个函数的工作原理：
使用者输入搜索词，与 变量完整描述进行匹配，并检索匹配变量列表。
搜索的设置逻辑：
1）可以提供匹配搜索词（变量描述必须包含其中一个词）
2）排他性搜索词（变量描述不得包含任何排他性词）
3）搜索可以限制在特定的调查范围以及特定的数据组
关于这个函数的使用代码示例
bladder<-nhanesSearch( "bladder",
ystart=2001,
ystop=2002,
nchar=50)
# 或者其他用法
nhanesSearch( "urin",
ignore.case=TRUE,
ystart=2001,
ystop=2002,
namesonly=TRUE)
nhanesSearch( "urin",
exclude_terms="during",
ignore.case=TRUE,
ystart=2001,
ystop=2002,
namesonly=TRUE)
nhanesSearch( c( "urin", "Urin"),
exclude_terms=c( "During", "eaten during", "do during"),
data_group=c( 'EXAM', 'LAB'),
ignore.case=TRUE,
ystart=2001,
ystop=2002,
namesonly=TRUE
)
nhanesSearch( c( "tooth", "teeth"),
ystart=2001,
ystop=2002,
ignore.case=TRUE)
nhanesSearch( "^Tooth",
ystart=2001,
ystop=2002)
我的一个小技巧，在做查询功能的时候， 先确定一个时间窗口，让检索更快，找到目标表后，再拓展。
总之， 我在做NHANES数据库分析和挖掘时，我用nhanesA包做数据获取工作。
感谢这个包的作者们。
一方面，使用这些包的提供的函数集，另一方面，使用R语言其他知识和技能。两者结合起来，就可以用R语言有效地完成科研选题下NHANES数据库获取工作，为后续的数据整理和分析，做好了数据准备。
关于这一课的R语言知识和技能，你有任何问题，可以添加我的微信，讨论和交流。
若是你在使用代码的过程中，出现问题或者有新的想法，不知道如何编写代码，也可以联系我，大家讨论和交流。
群体的智慧，可以发挥1+1 >> 2的效果。
《NHAES小课》合集：
1NHANES小课|一起来挖NHANES数据库
2NHANES小课|带你全面认识NHANES数据库
3NHANES小课|NHANES数据库科研选题一二三
若是你有什么想和我说的，欢迎扫码添加我的微信，备注： NHANES。感恩遇见，共赢未来。
据统计，天南地北R语言学习者都关注这个公众号
责任编辑：