使用 dplyr 的 rename() 包括不在数据集中的变量名

Question

我正在尝试将一些 plyr 代码转换为 dplyr，并且在 dplyr 中遇到了 rename() 的新功能。我希望能够为一组具有重叠但不完全相同的原始名称的数据集重用一个 rename() 表达式。例如，

sample1 <- data.frame(A=1:10, B=letters[1:10])

sample2 <- data.frame(B=11:20, C=letters[11:20])

然后，

 rename(sample1, var1 = A, var2 = B, var3 = C)

我希望结果是变量 A 重命名为 var1，B 重命名为 var2，在这种情况下不添加 var3。相反，我得到了

错误：未知变量：C。

相比之下，plyr 语法可以让我使用

rename(sample1, c("A" = "var1", "B" = "var2", "C" = "var3"))
rename(sample2, c("A" = "var1", "B" = "var2", "C" = "var3"))

并且不抛出错误。有没有办法在不出现未知变量错误的情况下在 dplyr 中获得相同的结果？

Answer 1

完全无视您对如何使用 dplyr 执行此操作的实际要求，我想建议使用查找表的不同方法：

sample1 <- data.frame(A=1:10, B=letters[1:10])
sample2 <- data.frame(B=11:20, C=letters[11:20])

rename_map <- c("A"="var1",
                "B"="var2",
                "C"="var3")

names(sample1) <- rename_map[names(sample1)]
str(sample1)

names(sample2) <- rename_map[names(sample2)]
str(sample2)

从根本上说，算法很简单：

1. 构建当前变量名到所需名称的查找表
2. 使用 names() 函数，使用映射索引查找映射并将这些映射变量分配给适当的列。

编辑：根据 Hadley 的建议，我使用命名向量而不是列表，让生活更轻松。我总是忘记命名向量:(

Answer 2

    #no need to use rename 

    oldnames<-unique(c(names(sample1),names(sample2)))
    newnames<-c("var1","var2","var3")
    name_df<-data.frame(oldnames,newnames)
    mydata<-list(sample1,sample2) # combined two datasets as a list
#one liner
    finaldata <- lapply(mydata, function(i) {colnames(i)<-name_df[name_df[,1] %in%  colnames(i),2]
return(i)})
> finaldata
[[1]]
   var1 var2
1     1    a
2     2    b
3     3    c
4     4    d
5     5    e
6     6    f
7     7    g
8     8    h
9     9    i
10   10    j

[[2]]
   var2 var3
1    11    k
2    12    l
3    13    m
4    14    n
5    15    o
6    16    p
7    17    q
8    18    r
9    19    s
10   20    t

Answer 3

使用dplyr，我们可以使用旧名称作为值，新名称作为名称的命名向量，然后仅取消引用name_vec 中与数据集中名称匹配的值。 rename 支持不带引号的字符，因此无需事先将其转换为sym：

library(dplyr)

name_vec <- c(var1 = "A", var2 = "B", var3 = "C")

sample1 %>%
  rename(!!name_vec[name_vec %in% names(.)])

sample2 %>%
  rename(!!name_vec[name_vec %in% names(.)])

另外，setNames:

name_vec <- c(A = "var1", B = "var2", C = "var3")

sample1 %>%
  setNames(name_vec[names(.)])

sample2 %>%
  setNames(name_vec[names(.)])

输出：

   var1 var2
1     1    a
2     2    b
3     3    c
4     4    d
5     5    e
6     6    f
7     7    g
8     8    h
9     9    i
10   10    j

   var2 var3
1    11    k
2    12    l
3    13    m
4    14    n
5    15    o
6    16    p
7    17    q
8    18    r
9    19    s
10   20    t

Answer 4

我以前用过@earino的答案 我自己，但发现它可能不安全。如果数据的列名 命名向量（的名称）中缺少框架，这些列名称会被NA 默默替换，这肯定不是您想要的。

d1 <- data.frame(A = 1:10, B = letters[1:10], stringsAsFactors = FALSE)

rename_vec <- c("B" = "var2", "C" = "var3")

names(d1) <- rename_vec[names(d1)]
str(d1)
#> 'data.frame':    10 obs. of  2 variables:
#>  $ NA  : int  1 2 3 4 5 6 7 8 9 10
#>  $ var2: chr  "a" "b" "c" "d" ...

如果您运行names(d1) <- rename_vec[names(d1)]，也会发生同样的情况 意外两次，因为当你第二次运行它时，没有 colnames(d1) 在names(rename_vec)。

names(d1) <- rename_vec[names(d1)]
str(d1)
#> 'data.frame':    10 obs. of  2 variables:
#>  $ NA: int  1 2 3 4 5 6 7 8 9 10
#>  $ NA: chr  "a" "b" "c" "d" ...

我们只需要在重命名向量中选择数据框和中的那些列。

d2 <- data.frame(B1 = 1:10, B = letters[1:10], stringsAsFactors = FALSE)

sel <- is.element(colnames(d2), names(rename_vec))
names(d2)[sel] <- rename_vec[names(d2)][sel]
str(d2)
#> 'data.frame':    10 obs. of  2 variables:
#>  $ B1  : int  1 2 3 4 5 6 7 8 9 10
#>  $ var2: chr  "a" "b" "c" "d" ...

更新：我最初在这里有一个涉及字符串替换的解决方案，结果证明这也是不安全的，因为它允许部分匹配。我觉得这个更好。