Question

我有一个包含大量不一致命名变量的数据集。 df1中捕获的当前命名的功能，以及df2中的所需名称。我想要的是将变量名称（例如（initial_salary_D1_H1））更改为（initialsalary_D1_H1），换句话说，对于要移除的_D1_H1子字符串之前的任何非字/非数字字符。

_D1_H1模式，即_ + anyletter + anynumber，出现在大多数变量名称的末尾，尽管它出现的次数各不相同。它可能出现零次（Date.of.Birth），两次（Employee_Date_Start_D1_H1）或三次（Employee_Gender_g2_D1_H1）。

这种模式在某些变量名称（lunch_p5_type_canteen1_D1_H1）的开头具有额外的难度。

最后，在某些变量名称中，模式的前一个字符是一个单词（all.new.Staff_D2_H4），在某些变量名称中是一个数字（dept_Preferences2_D1_H8）。

df1 <- data.frame(Date.of.Birth=c(1,1,1),initial_salary_D1_H1=c(1,1,1),Employee_Gender_g2_D1_H1=c(1,1,1),Employee_Date_Start_D1_H1=c(1,1,1),dept_Preferences2_D1_H8=c(1,1,1),ini_InterviewShortlist2_D1_H6 =c(1,1,1),Retentionpercentage_D7_H19=c(1,1,1),all.new.Staff_D2_H4=c(1,1,1),all_old_D3_H13=c(1,1,1),lunch_p5_type.canteen_D1_H1=c(1,1,1),all_EmploymentStatus4_D2_H11=c(1,1,1))
df2 <- data.frame(DateofBirth=c(1,1,1),initialsalary_D1_H1=c(1,1,1),EmployeeGender_g2_D1_H1=c(1,1,1),EmployeeDateStart_D1_H1=c(1,1,1),deptPreferences2_D1_H8=c(1,1,1),iniInterviewShortlist2_D1_H6 =c(1,1,1),Retentionpercentage_D7_H19=c(1,1,1),allnewStaff_D2_H4=c(1,1,1),allold_D3_H13=c(1,1,1),lunchp5typecanteen_D1_H1=c(1,1,1),allEmploymentStatus4_D2_H11=c(1,1,1))
names(df1)
names(df2)

我一直在努力，但我对模式匹配完全陌生。使用substring（）和gsub（）一个选项？

substring(names(df1), regexpr("*_\w\d$i*", names(df1)) - 1)

感谢您的帮助！

更新：

如何将其粘贴在函数中并将输出保存为数据框（我有三个数据框）？

Answer 1

应该有一个较小的版本但我认为它可以完成这项工作

paste0(
    gsub("[_.]", "", gsub("(.*[a-zA-Z]{2,}[0-9]*).*", "\\1", names(df1))), 
    gsub(".*[a-zA-Z]{2,}[0-9]*", "", names(df1)))

<强>解释

此部分gsub("(.*[a-zA-Z]{2,}[0-9]*).*", "\\1", names(df1))将所有字符保持在两个至少两个字符和零个或多个数字结束的位置。让我们称之为X

此部分gsub("[_.]", "", X)从_

中移除.和X

，最后一部分只替换X。

将所有内容粘贴在一起

更新

在函数中使用它并将输出保存为数据框

normalize_names <- function(df){

  if(!(class(df1) == "data.frame")) stop("Object not a data.frame")

  new_names <- paste0(
    gsub("[_.]", "", gsub("(.*[a-zA-Z]{2,}[0-9]*).*", "\\1", names(df))), 
    gsub(".*[a-zA-Z]{2,}[0-9]*", "", names(df)))

  names(df) <- new_names
 df

}

实施例

df1 <- normalize_names(df1)
df_list <- lapply(list(df1, df2, df3), normalize_names)

R中的变量名称模式匹配不一致

1 个答案:

更新

实施例