根据R中另一个数据框中的行值更新多个数据框中的列名

Question

我有五个数据框（df1、df2、df3、df4、df5），包括需要重命名的多个列。在一个单独的数据框中，它用作重命名的映射（见下表），我有三列，一列包含新变量名称，另外两列包含需要重命名的变量。旧变量 1 指的是 df1、2 和 3，而 old_variables2 指的是 df4 和 df5。

New variables	old variables1	old variables2
DPG	DPG1, DPG2, DPG3	DPG1, DPG2
LMN	LMN1, LMN2, LMN3	LMN1, LMN2
CLG	CLG1, CLG2, CLG3	CLG1, CLG2

我需要使用地图数据编写代码，根据地图数据中的新变量列重命名我的五个数据框中的列。例如DPG1、LMN1、CLCG1属于df1，应该重命名为DPG、LMN、CLG。 df2 和 df3 也一样。我尝试使用通用代码，因为信息可能会在我的数据文件中更新。 有人可以给我一些提示吗？ 我不知道如何处理旧变量列中每个单元格中以逗号分隔的多个值。

感谢@starja，我想出了一个解决方案，但我仍然对函数的左连接部分有问题，因为包含 by = c("original_variables" = "old_variables1","old_variables2") 是错误的。

cols<- c(old_variables1, old_variables2)

rename_function <- function(col_names, rename_data = rename_info) {
for (col in cols) {
rename_info_clean <- separate_rows(rename_info,all_of(col))
}
data.frame(original_variables = col_names) %>% 
left_join(rename_info_clean , by = c("original_variables" = "old_variables1","old_variables2")) %>% 
mutate(final_name = coalesce(new_variables, original_variables)) %>% 
pull(final_name)
}

Answer 1

如果任务只是删除数字，我们还可以使用一些 regex 来实现更简单的功能。这里使用tidyverse：

library(dplyr)
library(stringr)

test_data_1 |>
  rename_with(~ str_extract(., "\D+"))

test_data_2 |>
  rename_with(~ str_extract(., "\D+"))

输出：

  DPG LMN test
1   1   4    a

  DPG LMN other_name
1   2   5          4

感谢@starja 提供的数据。

Answer 2

这是一个使用rename_with的tidyverse解决方案：

library(dplyr)
rename_info <- data.frame(
  new_variables = c("DPG", "LMN"),
  old_variables = c("DPG1, DPG2, DPG3", "LMN1, LMN2, LMN3"),
  old_variables_2 = c("DPG1, DPG2", "LMN1, LMN2")
)

test_data_1 <- data.frame(
  DPG1 = 1,
  LMN1 = 4,
  test = "a"
)

test_data_2 <- data.frame(
  DPG2 = 2,
  LMN2 = 5,
  other_name = 4
)

rename_function <- function(col_names, rename_data = rename_info) {
  rename_info_clean_1 <- rename_info %>% 
    tidyr::separate_rows(
      old_variables,
      sep = ",[ ]+"
    ) %>% 
    select(new_variables, old_variables)
  rename_info_clean_2 <- rename_info %>% 
    tidyr::separate_rows(
      old_variables_2,
      sep = ",[ ]+"
    ) %>% 
    select(new_variables, old_variables = old_variables_2)
  rename_info_clean <- bind_rows(
    rename_info_clean_1,
    rename_info_clean_2
  ) %>% 
    distinct()
  data.frame(original_variables = col_names) %>% 
    left_join(rename_info_clean, by = c("original_variables" = "old_variables")) %>% 
    mutate(final_name = coalesce(new_variables, original_variables)) %>% 
    pull(final_name)
}

test_data_1 %>% 
  rename_with(rename_function)
#>   DPG LMN test
#> 1   1   4    a

test_data_2 %>% 
  rename_with(rename_function)
#>   DPG LMN other_name
#> 1   2   5          4

^{由 reprex package (v1.0.0) 创建于 2023-01-17}

基本上，rename_function 首先制作一个 data.frame，其中每个旧/新变量名称组合都在其自己的行中，separate_rows，然后将它与可用的列名称连接起来。当没有匹配项时（例如 test），连接会导致 NA 被 coalesce 替换为原始名称。

编辑

现在重复 separate_rows 步骤，并将 2 列的结果叠加在一起。