pintos-os.org Git - pspp/blob - src/language/stats/autorecode.c

   1 /* PSPP - a program for statistical analysis.
   2    Copyright (C) 1997-9, 2000, 2009, 2010, 2012 Free Software Foundation, Inc.
   3
   4    This program is free software: you can redistribute it and/or modify
   5    it under the terms of the GNU General Public License as published by
   6    the Free Software Foundation, either version 3 of the License, or
   7    (at your option) any later version.
   8
   9    This program is distributed in the hope that it will be useful,
  10    but WITHOUT ANY WARRANTY; without even the implied warranty of
  11    MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  12    GNU General Public License for more details.
  13
  14    You should have received a copy of the GNU General Public License
  15    along with this program.  If not, see <http://www.gnu.org/licenses/>. */
  16
  17 #include <config.h>
  18
  19 #include <stdlib.h>
  20
  21 #include "data/case.h"
  22 #include "data/casereader.h"
  23 #include "data/dataset.h"
  24 #include "data/dictionary.h"
  25 #include "data/transformations.h"
  26 #include "data/variable.h"
  27 #include "language/command.h"
  28 #include "language/lexer/lexer.h"
  29 #include "language/lexer/variable-parser.h"
  30 #include "libpspp/array.h"
  31 #include "libpspp/compiler.h"
  32 #include "libpspp/hash-functions.h"
  33 #include "libpspp/hmap.h"
  34 #include "libpspp/i18n.h"
  35 #include "libpspp/message.h"
  36 #include "libpspp/pool.h"
  37 #include "libpspp/str.h"
  38
  39 #include "gl/xalloc.h"
  40 #include "gl/vasnprintf.h"
  41 #include "gl/mbiter.h"
  42
  43 #include "gettext.h"
  44 #define _(msgid) gettext (msgid)
  45
  46 /* FIXME: Implement PRINT subcommand. */
  47
  48 /* Explains how to recode one value. */
  49 struct arc_item
  50   {
  51     struct hmap_node hmap_node; /* Element in "struct arc_spec" hash table. */
  52     union value from;           /* Original value. */
  53     int width;                  /* Width of the original value */
  54
  55     double to;                  /* Recoded value. */
  56   };
  57
  58 /* Explains how to recode an AUTORECODE variable. */
  59 struct arc_spec
  60   {
  61     const struct variable *src; /* Source variable. */
  62     struct variable *dst;       /* Target variable. */
  63     struct rec_items *items;
  64   };
  65
  66 /* Descending or ascending sort order. */
  67 enum arc_direction
  68   {
  69     ASCENDING,
  70     DESCENDING
  71   };
  72
  73 struct rec_items
  74 {
  75   struct hmap ht;         /* Hash table of "struct arc_item"s. */
  76   int refcnt;
  77 };
  78
  79
  80
  81 /* AUTORECODE data. */
  82 struct autorecode_pgm
  83 {
  84   struct arc_spec *specs;
  85   size_t n_specs;
  86
  87   /* Hash table of "struct arc_item"s. */
  88   struct rec_items *global_items;
  89
  90   bool blank_valid;
  91   const struct dictionary *dict;
  92 };
  93
  94 static trns_proc_func autorecode_trns_proc;
  95 static trns_free_func autorecode_trns_free;
  96
  97 static int compare_arc_items (const void *, const void *, const void *aux);
  98 static void arc_free (struct autorecode_pgm *);
  99 static struct arc_item *find_arc_item (const struct arc_spec *, const union value *,
 100                                        size_t hash);
 101
 102 static bool
 103 value_is_blank (const union value *val, int width, const struct dictionary *dict)
 104 {
 105   mbi_iterator_t iter;
 106   const char *str = CHAR_CAST_BUG (const char*, value_str (val, width));
 107   char *text = recode_string (UTF8, dict_get_encoding (dict), str, width);
 108
 109   for (mbi_init (iter, text, width); mbi_avail (iter); mbi_advance (iter))
 110     {
 111       mbchar_t c = mbi_cur (iter);
 112
 113       if ( ! mb_isblank (c))
 114         {
 115           free (text);
 116           return false;
 117         }
 118     }
 119
 120   free (text);
 121   return true;
 122 }
 123
 124 /* Performs the AUTORECODE procedure. */
 125 int
 126 cmd_autorecode (struct lexer *lexer, struct dataset *ds)
 127 {
 128   struct autorecode_pgm *arc = NULL;
 129
 130   struct dictionary *dict = dataset_dict (ds);
 131   const struct variable **src_vars = NULL;
 132   char **dst_names = NULL;
 133   size_t n_srcs = 0;
 134   size_t n_dsts = 0;
 135
 136   enum arc_direction direction = ASCENDING;
 137
 138   struct casereader *input;
 139   struct ccase *c;
 140
 141   size_t i;
 142   bool ok;
 143
 144   /* Create procedure. */
 145   arc = xzalloc (sizeof *arc);
 146   arc->blank_valid = true;
 147   arc->dict = dataset_dict (ds);
 148
 149   /* Parse variable lists. */
 150   lex_match_id (lexer, "VARIABLES");
 151   lex_match (lexer, T_EQUALS);
 152   if (!parse_variables_const (lexer, arc->dict, &src_vars, &n_srcs,
 153                               PV_NO_DUPLICATE))
 154     goto error;
 155   if (!lex_force_match_id (lexer, "INTO"))
 156     goto error;
 157   lex_match (lexer, T_EQUALS);
 158   if (!parse_DATA_LIST_vars (lexer, arc->dict, &dst_names, &n_dsts,
 159                              PV_NO_DUPLICATE))
 160     goto error;
 161   if (n_dsts != n_srcs)
 162     {
 163       msg (SE, _("Source variable count (%zu) does not match "
 164                  "target variable count (%zu)."),
 165            n_srcs, n_dsts);
 166
 167       goto error;
 168     }
 169   for (i = 0; i < n_dsts; i++)
 170     {
 171       const char *name = dst_names[i];
 172
 173       if (dict_lookup_var (arc->dict, name) != NULL)
 174         {
 175           msg (SE, _("Target variable %s duplicates existing variable %s."),
 176                name, name);
 177           goto error;
 178         }
 179     }
 180
 181   /* Parse options. */
 182   while (lex_match (lexer, T_SLASH))
 183     {
 184       if (lex_match_id (lexer, "DESCENDING"))
 185         direction = DESCENDING;
 186       else if (lex_match_id (lexer, "PRINT"))
 187         {
 188           /* Not yet implemented. */
 189         }
 190       else if (lex_match_id (lexer, "GROUP"))
 191         {
 192           arc->global_items = xmalloc (sizeof (*arc->global_items));
 193           arc->global_items->refcnt = 1;
 194           hmap_init (&arc->global_items->ht);
 195         }
 196       else if (lex_match_id (lexer, "BLANK"))
 197         {
 198           lex_match (lexer, T_EQUALS);
 199           if (lex_match_id (lexer, "VALID"))
 200             {
 201               arc->blank_valid = true;
 202             }
 203           else if (lex_match_id (lexer, "MISSING"))
 204             {
 205               arc->blank_valid = false;
 206             }
 207           else
 208             goto error;
 209         }
 210       else
 211         goto error;
 212     }
 213
 214   if (lex_token (lexer) != T_ENDCMD)
 215     {
 216       lex_error (lexer, _("expecting end of command"));
 217       goto error;
 218     }
 219
 220   arc->specs = xmalloc (n_dsts * sizeof *arc->specs);
 221   arc->n_specs = n_dsts;
 222
 223
 224   for (i = 0; i < n_dsts; i++)
 225     {
 226       struct arc_spec *spec = &arc->specs[i];
 227
 228       spec->src = src_vars[i];
 229
 230       if (arc->global_items)
 231         {
 232           arc->global_items->refcnt++;
 233           spec->items = arc->global_items;
 234         }
 235       else
 236         {
 237           spec->items = xzalloc (sizeof (*spec->items));
 238           spec->items->refcnt = 1;
 239           hmap_init (&spec->items->ht);
 240         }
 241     }
 242
 243
 244   /* Execute procedure. */
 245   input = proc_open (ds);
 246   for (; (c = casereader_read (input)) != NULL; case_unref (c))
 247     for (i = 0; i < arc->n_specs; i++)
 248       {
 249         struct arc_spec *spec = &arc->specs[i];
 250         int width = var_get_width (spec->src);
 251         const union value *value = case_data (c, spec->src);
 252         size_t hash = value_hash (value, width, 0);
 253         struct arc_item *item;
 254
 255         item = find_arc_item (spec, value, hash);
 256         if ( (item == NULL)
 257              &&
 258              ( arc->blank_valid || var_is_numeric (spec->src) || ! value_is_blank (value, width, arc->dict))
 259              )
 260           {
 261             item = xmalloc (sizeof *item);
 262             item->width = width;
 263             value_clone (&item->from, value, width);
 264             hmap_insert (&spec->items->ht, &item->hmap_node, hash);
 265           }
 266       }
 267   ok = casereader_destroy (input);
 268   ok = proc_commit (ds) && ok;
 269
 270   /* Create transformation. */
 271   for (i = 0; i < arc->n_specs; i++)
 272     {
 273       struct arc_spec *spec = &arc->specs[i];
 274       struct arc_item **items;
 275       struct arc_item *item;
 276       size_t n_items;
 277       size_t j;
 278
 279       /* Create destination variable. */
 280       spec->dst = dict_create_var_assert (dict, dst_names[i], 0);
 281
 282       /* Create array of pointers to items. */
 283       n_items = hmap_count (&spec->items->ht);
 284       items = xmalloc (n_items * sizeof *items);
 285       j = 0;
 286       HMAP_FOR_EACH (item, struct arc_item, hmap_node, &spec->items->ht)
 287         items[j++] = item;
 288
 289       assert (j == n_items);
 290
 291       /* Sort array by value. */
 292       sort (items, n_items, sizeof *items, compare_arc_items, NULL);
 293
 294       /* Assign recoded values in sorted order. */
 295       for (j = 0; j < n_items; j++)
 296         {
 297           const union value *from = &items[j]->from;
 298           size_t len;
 299           char *recoded_value  = NULL;
 300           char *c;
 301           const int src_width = items[j]->width;
 302           union value to_val;
 303           value_init (&to_val, 0);
 304
 305           items[j]->to = direction == ASCENDING ? j + 1 : n_items - j;
 306
 307           to_val.f = items[j]->to;
 308
 309           /* Add value labels to the destination variable which indicate
 310              the source value from whence the new value comes. */
 311           if (src_width > 0)
 312             {
 313               const char *str = CHAR_CAST_BUG (const char*, value_str (from, src_width));
 314
 315               recoded_value = recode_string (UTF8, dict_get_encoding (arc->dict), str, src_width);
 316             }
 317           else
 318             recoded_value = asnprintf (NULL, &len, "%g", from->f);
 319
 320           /* Remove trailing whitespace */
 321           for (c = recoded_value; *c != '\0'; c++)
 322             if ( *c == ' ')
 323               {
 324                 *c = '\0';
 325                 break;
 326               }
 327
 328           var_add_value_label (spec->dst, &to_val, recoded_value);
 329           value_destroy (&to_val, 0);
 330           free (recoded_value);
 331         }
 332
 333       /* Free array. */
 334       free (items);
 335     }
 336   add_transformation (ds, autorecode_trns_proc, autorecode_trns_free, arc);
 337
 338   for (i = 0; i < n_dsts; i++)
 339     free (dst_names[i]);
 340   free (dst_names);
 341   free (src_vars);
 342
 343   return ok ? CMD_SUCCESS : CMD_CASCADING_FAILURE;
 344
 345 error:
 346   for (i = 0; i < n_dsts; i++)
 347     free (dst_names[i]);
 348   free (dst_names);
 349   free (src_vars);
 350   arc_free (arc);
 351   return CMD_CASCADING_FAILURE;
 352 }
 353
 354 static void
 355 arc_free (struct autorecode_pgm *arc)
 356 {
 357   if (arc != NULL)
 358     {
 359       size_t i;
 360
 361       for (i = 0; i < arc->n_specs; i++)
 362         {
 363           struct arc_spec *spec = &arc->specs[i];
 364           struct arc_item *item, *next;
 365
 366           HMAP_FOR_EACH_SAFE (item, next, struct arc_item, hmap_node,
 367                               &spec->items->ht)
 368             {
 369               value_destroy (&item->from, item->width);
 370               hmap_delete (&spec->items->ht, &item->hmap_node);
 371               free (item);
 372             }
 373         }
 374
 375       for (i = 0; i < arc->n_specs; i++)
 376         {
 377           struct arc_spec *spec = &arc->specs[i];
 378
 379           if (--spec->items->refcnt == 0)
 380             {
 381               hmap_destroy (&spec->items->ht);
 382               free (spec->items);
 383             }
 384         }
 385
 386       if (arc->global_items && --arc->global_items->refcnt == 0)
 387         {
 388           hmap_destroy (&arc->global_items->ht);
 389           free (arc->global_items);
 390         }
 391
 392       free (arc->specs);
 393       free (arc);
 394     }
 395 }
 396
 397 static struct arc_item *
 398 find_arc_item (const struct arc_spec *spec, const union value *value,
 399                size_t hash)
 400 {
 401   struct arc_item *item;
 402
 403   HMAP_FOR_EACH_WITH_HASH (item, struct arc_item, hmap_node, hash, &spec->items->ht)
 404     if (value_equal (value, &item->from, var_get_width (spec->src)))
 405       return item;
 406   return NULL;
 407 }
 408
 409 static int
 410 compare_arc_items (const void *a_, const void *b_, const void *aux UNUSED)
 411 {
 412   const struct arc_item *const *a = a_;
 413   const struct arc_item *const *b = b_;
 414   int width_a = (*a)->width;
 415   int width_b = (*b)->width;
 416
 417   if ( width_a == width_b)
 418     return value_compare_3way (&(*a)->from, &(*b)->from, width_a);
 419
 420   if ( width_a == 0 && width_b != 0)
 421     return -1;
 422
 423   if ( width_b == 0 && width_a != 0)
 424     return +1;
 425
 426   return buf_compare_rpad (CHAR_CAST_BUG (const char *, value_str (&(*a)->from, width_a)), width_a,
 427                            CHAR_CAST_BUG (const char *, value_str (&(*b)->from, width_b)), width_b);
 428 }
 429
 430 static int
 431 autorecode_trns_proc (void *arc_, struct ccase **c,
 432                       casenumber case_idx UNUSED)
 433 {
 434   struct autorecode_pgm *arc = arc_;
 435   size_t i;
 436
 437   *c = case_unshare (*c);
 438   for (i = 0; i < arc->n_specs; i++)
 439     {
 440       const struct arc_spec *spec = &arc->specs[i];
 441       int width = var_get_width (spec->src);
 442       const union value *value = case_data (*c, spec->src);
 443       const struct arc_item *item = find_arc_item (spec, value, value_hash (value, width, 0));
 444
 445       case_data_rw (*c, spec->dst)->f = item ? item->to : SYSMIS;
 446     }
 447
 448   return TRNS_CONTINUE;
 449 }
 450
 451 static bool
 452 autorecode_trns_free (void *arc_)
 453 {
 454   struct autorecode_pgm *arc = arc_;
 455
 456   arc_free (arc);
 457   return true;
 458 }