处理 data.table 中不明确的列名

Question

我正在将 Excel 文件中的数据读取到 R 中的 data.table 中。该文件的格式如下：

   COL_1_STUFF COL_2_STUFF COL_3_STUFF
ID EST MOE PCT EST MOE PCT EST MOE PCT

也就是说，对于每个变量（COLs），都有一个估计值、一个误差范围和一个给定的百分比。

问题是由read.xlsx2 造成的，我用它来导入文件，如下所示：

data <- as.data.table(read.xlsx2(
  "file.xlsx", sheetIndex = 1L, colIndex = c(1L, 4L, 7L), startRow = 2L))

问题是read.xlsx2 为一堆东西分配了相同的列名——导入看起来像：

ID EST EST EST

即使我设置header = FALSE，我也很容易得到类似的东西

X1 X2 X2 X2

为了避免这种情况，我在导入后做了以下操作：

data[ , c("col1_est", "EST") := .(EST, NULL)]
data[ , c("col2_est", "EST") := .(EST, NULL)]
data[ , c("col3_est", "EST") := .(EST, NULL)]

这让我觉得处理问题的方式很奇怪；任何人都可以建议另一种方法吗？

Answer 1

这可以通过 fread、data.table 和 setDT 的 check.names 参数来完成：

DT <- read.xlsx2(
  "file.xlsx", sheetIndex = 1L, colIndex = c(1L, 4L, 7L), startRow = 2L)
)
setDT(DT, check.names = TRUE)

自动将.1、.2 等添加到重复的列名中。