提取部分列名进行重命名

Question

我有一个数据框，其中一些列被命名为日期。例如，像这样：

df_1 <- data_frame("id" = c('a','b','c','d'),
                 "gender" = c('m','f','f','m'),
                 "05/16/2017" = c(1,2,3,4),
                 "11/08/2016" = c(1,2,3,4),
                 "08/15/2016" = c(1,2,3,4))

df_1
# A tibble: 4 x 5
  id    gender `05/16/2017` `11/08/2016` `08/15/2016`
  <chr> <chr>         <dbl>        <dbl>        <dbl>
1 a     m                 1            1            1
2 b     f                 2            2            2
3 c     f                 3            3            3
4 d     m                 4            4            4

对于当前为日期的列，格式为mm/dd/yyyy，我想提取mm 和yyyy 组件并使用它们将列重命名为election_yyyy_mm。 IE。我最终会得到如下所示的 df：

df_2 <- data_frame("id" = c('a','b','c','d'),
                 "gender" = c('m','f','f','m'),
                 "election_2017_05" = c(1,2,3,4),
                 "election_2016_11" = c(1,2,3,4),
                 "election_2016_08" = c(1,2,3,4))

df_2
# A tibble: 4 x 5
  id    gender election_2017_05 election_2016_11 election_2016_08
  <chr> <chr>             <dbl>            <dbl>            <dbl>
1 a     m                     1                1                1
2 b     f                     2                2                2
3 c     f                     3                3                3
4 d     m                     4                4                4

我想我有一个涉及stringr 的部分解决方案，但目前我必须运行str_extract 两次才能分别获得mm 和yyyy 组件。我也不确定如何将向量传递给rename()。

这是我目前拥有的两个 sn-ps：

stringr::str_extract(c("05/16/2017", "11/08/2016", "08/15/2016"), "^[^/]+")
[1] "05" "11" "08"

stringr::str_extract(c("05/16/2017", "11/08/2016", "08/15/2016"), "[0-9]{4}")
[1] "2017" "2016" "2016"

谁能帮我a）在一次调用str_extract（或其他函数）中提取两个元素（yyyy和mm位），b）将结果向量传递给rename？

Answer 1

我们可以使用rename_with 来重命名一个函数。 在重命名函数中，我们可以先用mdy()将字符解析为日期，然后提取month()和year()。最后，glue() 将元素重新组合在一起。

library(dplyr)
library(glue)
library(lubridate)

df_1 %>% rename_with( ~glue('election_{year(mdy(.x))}_{month(mdy(.x))}'),
                      matches("\\d{2}/\\d{2}/\\d{4}"))

输出

# A tibble: 4 × 5
  id    gender election_2017_5 election_2016_11 election_2016_8
  <chr> <chr>            <dbl>            <dbl>           <dbl>
1 a     m                    1                1               1
2 b     f                    2                2               2
3 c     f                    3                3               3
4 d     m                    4                4               4

我们也可以使用stringr::string_extract_all 来处理向量而不是单个字符元素。使用来自 OP 尝试的修改后的正则表达式，我们可以在一次调用中提取月份和年份。只需从字符串的开头 (^) 或结尾 ($) 中提取 (|) 数字 (\\d+)："^\\d+|\\d+$"。

答案是这样的：

df_1 %>% rename_with( ~stringr::str_extract_all(.x, "^\\d+|\\d+$") %>%
                              map_chr(~glue('election_{.x[2]}_{.x[1]}')),
                      matches("\\d{2}/\\d{2}/\\d{4}"))

Answer 2

使用 tidyverse（dplyr 和 stringr），我们可以像这样重命名列：

library(dplyr)

df_1 %>% 
  rename_with(
    .cols = contains("/"), # selects only the date columns
    ~ paste0(
      "election_",  
      stringr::str_sub(.x, -4, -1), # last 4 digits/letters
      "_",
      stringr::str_sub(.x, 1, 2) # first 2 digits/letters
    )
  )

结果：

# A tibble: 4 x 5
  id    gender election_2017_05 election_2016_11 election_2016_08
  <chr> <chr>             <dbl>            <dbl>            <dbl>
1 a     m                     1                1                1
2 b     f                     2                2                2
3 c     f                     3                3                3
4 d     m                     4                4                4

Answer 3

这是一个使用正则表达式的单行代码：

names(df_1) <- sub("(\\d+).*?(\\d+)$", "election_\\2_\\1", names(df_1))

这是如何工作的： 首先，将列名分为两个捕获组：

• (\\d+)：第一个抓包，抓到前两位
• .*? 此后直到...
• (\\d+)$: ...第二个捕获组，捕获最后一个数字。

然后，使用sub 的替换参数，将字符串election_ 添加到匹配的名称中，并使用反向引用\\1 和\\2 以相反的顺序引用两个捕获组。

使用stringr：

library(stringr)
names(df_1) <- str_replace(names(df_1), "(\\d+).*?(\\d+)$", "election_\\2_\\1")

结果：

df_1 
# A tibble: 4 × 5
  id    gender election_2017_05 election_2016_11 election_2016_08
  <chr> <chr>             <dbl>            <dbl>            <dbl>
1 a     m                     1                1                1
2 b     f                     2                2                2
3 c     f                     3                3                3
4 d     m                     4                4                4

Answer 4

这是另一种方法：

library(dplyr)
library(stringr)
df_1 %>% 
  rename_with(~str_c('election',str_sub(.x, -4,-1),str_sub(.x,-10,-9), sep = "_"), where(is.numeric))

  id    gender election_2017_05 election_2016_11 election_2016_08
  <chr> <chr>             <dbl>            <dbl>            <dbl>
1 a     m                     1                1                1
2 b     f                     2                2                2
3 c     f                     3                3                3
4 d     m                     4                4                4

Answer 5

使用dplyr 但没有stringr 的另一种方法。

这里使用rename_with 选择带有/ 的列，拆分/ 上的字符串并使用 sapply 将拆分的结果连接在一起作为可用于重命名的向量。

df_1 %>%
    rename_with(.cols = contains('/'),
    ~ strsplit(.x, '/') %>% 
    sapply(
      function(x) paste0('election_',x[3],'_',x[2]),
      simplify=TRUE)
    )

编辑删除 @GuedesBF 在 cmets 中解释的 as.character 调用。