更改 data.frame 中的长变量名称答案

【问题标题】：Change long variable names in data.frame更改 data.frame 中的长变量名称
【发布时间】：2017-10-19 00:04:58
【问题描述】：

我得到了下面的data.frame df，它有很长的变量名。

每个名称的第一部分是主要类别（岩石、土壤、土地利用），通常由多个名称组成的第二部分是等级（例如对于岩石，两个等级是sandstone mudstone basalt chert limestone和sandstone conglomerate coquina tephra ）。

> df
# A tibble: 5 x 2
  `rock_sandstone conglomerate coquina tephra` `rock_sandstone mudstone basalt chert limestone`
                                         <dbl>                                            <dbl>
1                                     0.000000                                        18.774037
2                                    41.968310                                        30.276509
3                                    32.804031                                         0.000000
4                                     8.669436                                         3.092062
5                                    32.937377                                        19.894776

我想通过使用每个单词的第一个字母来缩短变量名称，如下所示。我可以使用例如dplyr::rename 来做到这一点。但是，我有 97 个变量，我想对 20 个具有不同变量名的 data.frames 执行相同的操作。我想知道是否有更快的方法。

library(dplyr)
df <- df %>% rename("r_sccat"  = 'rock_sandstone conglomerate coquina tephra',
                    "r_smbcl" =  "rock_sandstone mudstone basalt chert limestone")

> df
# A tibble: 5 x 2
    r_sccat   r_smbcl
      <dbl>     <dbl>
1  0.000000 18.774037
2 41.968310 30.276509
3 32.804031  0.000000
4  8.669436  3.092062
5 32.937377 19.894776

数据

> dput(df)
structure(list(`rock_sandstone conglomerate coquina tephra` = c(0, 
41.9683095321332, 32.8040311360418, 8.66943642122745, 32.9373770476129
), `rock_sandstone mudstone basalt chert limestone` = c(18.7740373237074, 
30.2765089609693, 0, 3.09206176664796, 19.8947759845006)), row.names = c(NA, 
-5L), class = c("tbl_df", "tbl", "data.frame"), .Names = c("rock_sandstone conglomerate coquina tephra", 
"rock_sandstone mudstone basalt chert limestone"))

【问题讨论】：

标签： r

【解决方案1】：

有点难看，但abbreviate 和一些正则表达式替换会让你到达那里：

names(df) <- sub("^(.)", "\\1_", abbreviate(gsub("_", " ", names(df))))
df

## A tibble: 5 × 2
#     r_scct   r_smbcl
#      <dbl>     <dbl>
#1  0.000000 18.774037
#2 41.968310 30.276509
#3 32.804031  0.000000
#4  8.669436  3.092062
#5 32.937377 19.894776

【讨论】：

【解决方案2】：

我不熟悉 abbreviate，但可以直接通过一些 regexp 替换来实现：

names( df ) <- gsub( ' ', "", gsub( "([a-z])([a-z]+)", "\\1", names( df ) ) )

使用 magrittr 可以实现更简洁的语法：

require( magrittr )
names( df ) %<>%
    gsub( "([a-z])([a-z]+)", "\\1", . ) %>%
    gsub( " ", "", . )

【讨论】：

这实际上可能比我的abbreviate 答案更干净，更适合。
谢谢！我想这取决于你对 R 的内置辅助函数的喜爱程度……我通常觉得它们违反直觉，所以我更喜欢尽可能使用原语。
@gorgonzola 感谢您的时间和帮助
@gorgonzola 我将不胜感激任何建议对因子级别而不是列名执行相同操作。
您应该能够使用级别（ fctor ）而不是名称（ df ）来做同样的事情；名称和级别都返回 R 中的可分配引用，因此相同的过程应该适用于两者。非常抱歉没有早点回复您的评论。

【解决方案3】：

这可以通过结合使用 Hadley Wickham 的 stringr 包中的文本清理功能以及 Ingo Feinerer 和 Kurt Hornik 的 tm 包中的文本挖掘功能来完成。我使用 dplyr 作为方便的管道运算符。

假设您有一个包含长列名称的字符向量的数据集：

lbl.lst$LongNames

library(tm)
library(dplyr)
library(stringr)

# 1. Create a list of filler words you want removed. 
# You can add to the list provided by tm using the following code. 

all_stopwrds<- c("words","you","want","removed",stopwords("en"))

# 2. Create a corpus (dataset with your text labels). 
# Use the tm::tm_map functions to remove filler words, shorten words to their stems, 
# remove hyphens, numbers, and extra spaces).

z <- Corpus(VectorSource(lbl.lst$LongNames)) %>%
     tm_map(removeWords, all_stopwrds) %>%
     tm_map(stemDocument) %>%
     tm_map(removePunctuation) %>%
     tm_map(removeNumbers) %>%
     tm_map(stripWhitespace) 


# 3. Flatten out the corpus to capitalize the first word in each string. Then
# Choose the first few words (three generally works for me) and 
# concatenate to get your new variables into CamelCase.  

z <- as.data.frame(do.call(rbind, lapply(z, as.data.frame)))  
z[,1] <- str_to_title(z[,1]) 
z$first3 <- word(z[,1], 1,3, sep=" ")
z$ShortName <- str_replace_all(z$first3, " ", "")

【讨论】：