如何更改列名以符合 mlr3 的命名约定答案

【问题标题】：How to change column names to comply to mlr3's naming convention如何更改列名以符合 mlr3 的命名约定
【发布时间】：2021-05-21 22:00:38
【问题描述】：

我想使用许多 (>50K) 标记作为特征名称执行文本分类。但是mlr3 中的Task() 函数不允许列名中有很多字符，这些字符由make.names 传递，否则很好。以下是我目前找到的它们的列表：

  mutate(token=str_replace(token, "à", "a")) %>% 
    mutate(token=str_replace(token, "ã", "a")) %>%  
    mutate(token=str_replace(token, "á", "a")) %>% 
    mutate(token=str_replace(token, "ø", "o")) %>%
    mutate(token=str_replace(token, "ç", "c")) %>%
    mutate(token=str_replace(token, "ô", "o")) %>%
    mutate(token=str_replace(token, "é", "e")) %>% 
    mutate(token=str_replace(token, "é", "e")) %>%   
    mutate(token=str_replace(token, "í", "i")) %>% 
    mutate(token=str_replace(token, "î", "i")) %>% 
    mutate(token=str_replace(token, "è", "e")) %>% 
    mutate(token=str_replace(token, "ë", "e")) %>% 
    mutate(token=str_replace(token, "å", "a")) %>%  
    mutate(token=str_replace(token, "â", "a")) %>%  
    mutate(token=str_replace(token, "æ", "a")) %>%  
    mutate(token=str_replace(token, "ñ", "n")) %>%

如何使我的 data.frame 与 mlr3 兼容，而无需以这种方式手动替换所有特殊字符（反复试验）？ make.names() 显然不行！

非常感谢您的帮助 :) 谢谢！

【问题讨论】：

标签： r mlr3

【解决方案1】：

一种方法是使用janitor::clean_names()

d <- data.frame(`süßigkeit` = 1:3, `straße` = 1:3, `Hellö` = 1:3, `séé` = 1:3)
janitor::clean_names(d)
#>   sussigkeit strasse hello see
#> 1          1       1     1   1
#> 2          2       2     2   2
#> 3          3       3     3   3

^{由reprex package 创建于 2021-01-11 (v0.3.0)}

如果您处理的是向量，而不是 data.frame 的名称，则可以使用底层函数 janitor::make_clean_names()：

make_clean_names("süßigkeit")
[1] "sussigkeit"

【讨论】：

感谢您的补充，首先感谢您开发 janitor 包 - 非常有用！
感谢您的回答，非常有帮助

【解决方案2】：

使用janitor 包是一种选择。 Base R 还带有（不太复杂的）函数make.names(names, unique = TRUE)，它也可以正常工作。

如果您确实需要保留原始名称，可以将实验选项 "mlr3.allow_utf8_names" 设置为 TRUE，但请注意这可能会破坏一些学习者。

【讨论】：