如何使用 R 自动重命名宽数据中的列

Question

考虑以下宽格式数据

df<-data.frame("id"=c(1,2,3,4),
           "ex"=c(1,0,0,1),
           "aQL"=c(5,4,NA,6),
           "bQL"=c(5,7,NA,9),
           "cQL"=c(5,7,NA,9),
           "bST"=c(3,7,8,9),
           "cST"=c(8,7,5,3),
           "aXY"=c(1,9,4,4),
           "cXY"=c(5,3,1,4))

我想保留列（或变量）名称“id”和“ex”并重命名其余列，例如“aQL”、“bQL”和“cQL”分别为“QL.1”、“QL.2”和“QL.3”。名称以“ST”和“XY”结尾的其他列预计将以相同的方式重命名，顺序也为 .1、.2 和 .3。值得注意的是，数据集中缺少“aST”和“bXY”，但我希望将它们包括在内并重命名为 ST.1 和 XY.2，每个条目都有 NA。预期的输出看起来像

df
  id ex QL.1 QL.2 QL.3 ST.1 ST.2 ST.3 XY.1 XY.2 XY.3
1  1  1    5    5    5   NA    3    8    1   NA    5
2  2  0    4    7    7   NA    7    7    9   NA    3
3  3  0   NA   NA   NA   NA    8    5    4   NA    1
4  4  1    6    9    9   NA    9    3    4   NA    4

主数据集有很多变量，所以我希望重命名以自动方式完成。我尝试了以下代码

renameCol <- function(x) {
setNames(x, paste0("QL.", seq_len(ncol(x))))
}
renameCol(df)

但它没有按预期工作。因此，它重命名了我想要维护的“id”和“ex”，并且在重命名多个变量（即 QL、ST、XY）时不灵活。非常感谢任何帮助。

Answer 1

在基础 R 中你可以这样做：

names(df) <- sub("(\\d)([A-Z]{2})$","\\2.\\1", chartr("abc","123",names(df)))
 df
  id ex QL.1 QL.2 QL.3 ST.2 ST.3 XY.1 XY.3
1  1  1    5    5    5    3    8    1    5
2  2  0    4    7    7    7    7    9    3
3  3  0   NA   NA   NA    8    5    4    1
4  4  1    6    9    9    9    3    4    4

如果您需要 NA 列：

names(df) <- sub("(\\d)([A-Z]{2})$","\\2.\\1", chartr("abc","123",names(df)))
a <- read.table(text=grep("\\.\\d",names(df),value = TRUE), sep=".")
b <- subset(aggregate(.~V1, a, function(x) setdiff(1:3,x)), V2>0)
df[do.call(paste, c(sep = ".", b))] <- NA
(df1 <- df[c(1, 2, order(names(df)[-(1:2)]) + 2)])

  id ex QL.1 QL.2 QL.3 ST.1 ST.2 ST.3 XY.1 XY.2 XY.3
1  1  1    5    5    5   NA    3    8    1   NA    5
2  2  0    4    7    7   NA    7    7    9   NA    3
3  3  0   NA   NA   NA   NA    8    5    4   NA    1
4  4  1    6    9    9   NA    9    3    4   NA    4

Answer 2

这是一个通过stringr 包使用正则表达式的解决方案：

library(stringr)

df<-data.frame("id"=c(1,2,3,4),
               "ex"=c(1,0,0,1),
               "aQL"=c(5,4,NA,6),
               "bQL"=c(5,7,NA,9),
               "cQL"=c(5,7,NA,9),
               "bST"=c(3,7,8,9),
               "cST"=c(8,7,5,3),
               "aXY"=c(1,9,4,4),
               "cXY"=c(5,3,1,4))

renameCol <- function(x) {
  col_names <- colnames(x)
  index_ql <- str_detect(col_names,
                         "^[a-z]{1}QL")
  index_st <- str_detect(col_names,
                         "^[a-z]{1}ST")
  index_xy <- str_detect(col_names,
                         "^[a-z]{1}XY")
  
  replace_fun <- function(x) {which(letters %in% x)}
  
  col_names[index_ql] <- paste0("QL.", str_replace(substr(col_names[index_ql], 1, 1),
                                                  "[a-z]", replace_fun))
  col_names[index_st] <- paste0("ST.", str_replace(substr(col_names[index_st], 1, 1),
                                                   "[a-z]", replace_fun))
  col_names[index_xy] <- paste0("XY.", str_replace(substr(col_names[index_xy], 1, 1),
                                                   "[a-z]", replace_fun))
  
  col_names
  
}

colnames(df) <- renameCol(df)

df
#>   id ex QL.1 QL.2 QL.3 ST.2 ST.3 XY.1 XY.3
#> 1  1  1    5    5    5    3    8    1    5
#> 2  2  0    4    7    7    7    7    9    3
#> 3  3  0   NA   NA   NA    8    5    4    1
#> 4  4  1    6    9    9    9    3    4    4

^{由reprex package (v0.3.0) 于 2020 年 9 月 7 日创建}

编辑

修改了上面的函数，以便将订单考虑在内。

Answer 3

使用基本模式匹配：

您需要定义一个函数，在单个列名上执行您想要的操作：

f = function(x){
  beg <- str_extract(x,"[a-z](?=[A-Z]{2})")
  num <- which(letters == beg)
  output <- paste0(str_extract(x,"(?<=[a-z])[A-Z]{2}"),".",num)
  return(output)
}

如果后面有两个大写字母，这里提取小写字母，找到它在字母表中的位置，然后将找到的数字粘贴回大写字母。

> f("cQL")
[1] "QL.3"

然后您可以直接在数据框的名称上使用regmatches 和正则表达式：

m <- gregexpr("[a-z][A-Z]{2}", names(df),perl = T)
regmatches(names(df), m) <- lapply(regmatches(names(df), m), f)
names(df)

> names(df)
[1] "id"   "ex"   "QL.1" "QL.2" "QL.3" "ST.2" "ST.3" "XY.1" "XY.3"

它只解决了重命名部分，而不是您问题的“包括缺少的列号”部分

Answer 4

你可以尝试另一种方式

colnames(df)[grepl("QL", colnames(df))] <- str_c("QL.", 1:3)

colnames(df)[grepl("ST", colnames(df))] <- str_c("ST.", 2:3)

colnames(df)[grepl("XY", colnames(df))] <- str_c("XY.", c(1,3))

#   id ex QL.1 QL.2 QL.3 ST.2 ST.3 XY.1 XY.3
# 1  1  1    5    5    5    3    8    1    5
# 2  2  0    4    7    7    7    7    9    3
# 3  3  0   NA   NA   NA    8    5    4    1
# 4  4  1    6    9    9    9    3    4    4

Answer 5

我建议在不需要函数的情况下使用tidyverse 方法。在此解决方案中，您可以提取每个变量名称的第一个字母作为 id，然后使用 cur_group_id 分配一个数字，以便保持顺序。最后，使用这个新数字转换包含名称的变量，然后将其格式化为宽以获得预期的输出：

library(tidyverse)
#Data
df<-data.frame("id"=c(1,2,3,4),
               "ex"=c(1,0,0,1),
               "aQL"=c(5,4,NA,6),
               "bQL"=c(5,7,NA,9),
               "cQL"=c(5,7,NA,9),
               "bST"=c(3,7,8,9),
               "cST"=c(8,7,5,3),
               "aXY"=c(1,9,4,4),
               "cXY"=c(5,3,1,4))
#Reshape
df %>% pivot_longer(cols = -c(1,2)) %>%
  #Extract first letter as id
  mutate(id2=substring(name,1,1)) %>%
  #Create the number id
  group_by(id2) %>%
  mutate(id3=cur_group_id()) %>%
  #Clean name
  mutate(name=substring(name,2,nchar(name))) %>%
  #Create final var
  mutate(name2=paste0(name,'.',id3)) %>% ungroup() %>%
  dplyr::select(-c(name,id2,id3)) %>%
  #Format to wide
  pivot_wider(names_from = name2,values_from=value)

输出：

# A tibble: 4 x 9
     id    ex  QL.1  QL.2  QL.3  ST.2  ST.3  XY.1  XY.3
  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1     1     1     5     5     5     3     8     1     5
2     2     0     4     7     7     7     7     9     3
3     3     0    NA    NA    NA     8     5     4     1
4     4     1     6     9     9     9     3     4     4