regex - change - rename r dplyr
R dplyr: renombra variables usando funciones de cadena (6)
(Pregunta un tanto relacionada: ingrese nuevos nombres de columna como cadena en la función de cambio de nombre de dplyr )
En el medio de una cadena dplyr
( %>%
), me gustaría reemplazar varios nombres de columnas con funciones de sus nombres antiguos (usando tolower
o gsub
, etc.)
library(tidyr); library(dplyr)
data(iris)
# This is what I want to do, but I''d like to use dplyr syntax
names(iris) <- tolower( gsub("//.", "_", names(iris) ) )
glimpse(iris, 60)
# Observations: 150
# Variables:
# $ sepal_length (dbl) 5.1, 4.9, 4.7, 4.6, 5.0, 5.4, 4.6,...
# $ sepal_width (dbl) 3.5, 3.0, 3.2, 3.1, 3.6, 3.9, 3.4,...
# $ petal_length (dbl) 1.4, 1.4, 1.3, 1.5, 1.4, 1.7, 1.4,...
# $ petal_width (dbl) 0.2, 0.2, 0.2, 0.2, 0.2, 0.4, 0.3,...
# $ species (fctr) setosa, setosa, setosa, setosa, s...
# the rest of the chain:
iris %>% gather(measurement, value, -species) %>%
group_by(species,measurement) %>%
summarise(avg_value = mean(value))
Veo ?rename
toma el argumento replace
como un named character vector, with new names as values, and old names as names.
Así que intenté:
iris %>% rename(replace=c(names(iris)=tolower( gsub("//.", "_", names(iris) ) ) ))
pero esto (a) devuelve Error: unexpected ''='' in iris %>% ...
y (b) requiere referenciar el marco de datos de la operación anterior en la cadena, que en mi caso de uso real no pude hacer .
iris %>%
rename(replace=c( )) %>% # ideally the fix would go here
gather(measurement, value, -species) %>%
group_by(species,measurement) %>%
summarise(avg_value = mean(value)) # I realize I could mutate down here
# instead, once the column names turn into values,
# but that''s not the point
# ---- Desired output looks like: -------
# Source: local data frame [12 x 3]
# Groups: species
#
# species measurement avg_value
# 1 setosa sepal_length 5.006
# 2 setosa sepal_width 3.428
# 3 setosa petal_length 1.462
# 4 setosa petal_width 0.246
# 5 versicolor sepal_length 5.936
# 6 versicolor sepal_width 2.770
# ... etc ....
Aquí hay una manera de evitar la sintaxis de rename
algo torpe:
myris <- iris %>% setNames(tolower(gsub("//.","_",names(.))))
Creo que estás viendo la documentación de plyr::rename
, no dplyr::rename
. dplyr::rename
algo como esto con dplyr::rename
:
iris %>% rename_(.dots=setNames(names(.), tolower(gsub("//.", "_", names(.)))))
Mi intento elocuente utilizando base, stringr y dplyr:
EDITAR: la biblioteca (tidyverse) ahora incluye las tres bibliotecas.
library(tidyverse)
library(maggritr) # Though in tidyverse to use %>% pipe you need to call it
# library(dplyr)
# library(stringr)
# library(maggritr)
names(iris) %<>% # pipes so that changes are apply the changes back
tolower() %>%
str_replace_all(".", "_")
Hago esto para construir funciones con tuberías.
my_read_fun <- function(x) {
df <- read.csv(x) %>%
names(df) %<>%
tolower() %>%
str_replace_all("_", ".")
tempdf %<>%
select(a, b, c, g)
}
Para este caso particular [pero bastante común], la función ya se ha escrito en el paquete janitor :
library(janitor)
iris %>% clean_names()
## sepal_length sepal_width petal_length petal_width species
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3.0 1.4 0.2 setosa
## 3 4.7 3.2 1.3 0.2 setosa
## 4 4.6 3.1 1.5 0.2 setosa
## 5 5.0 3.6 1.4 0.2 setosa
## 6 5.4 3.9 1.7 0.4 setosa
## . ... ... ... ... ...
así que todos juntos,
iris %>%
clean_names() %>%
gather(measurement, value, -species) %>%
group_by(species,measurement) %>%
summarise(avg_value = mean(value))
## Source: local data frame [12 x 3]
## Groups: species [?]
##
## species measurement avg_value
## <fctr> <chr> <dbl>
## 1 setosa petal_length 1.462
## 2 setosa petal_width 0.246
## 3 setosa sepal_length 5.006
## 4 setosa sepal_width 3.428
## 5 versicolor petal_length 4.260
## 6 versicolor petal_width 1.326
## 7 versicolor sepal_length 5.936
## 8 versicolor sepal_width 2.770
## 9 virginica petal_length 5.552
## 10 virginica petal_width 2.026
## 11 virginica sepal_length 6.588
## 12 virginica sepal_width 2.974
Tanto select()
como select_all()
se pueden usar para cambiar el nombre de las columnas.
Si solo desea cambiar el nombre de columnas específicas, puede utilizar select
:
iris %>%
select(sepal_length = Sepal.Length, sepal_width = Sepal.Width, everything()) %>%
head(2)
sepal_length sepal_width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
rename
hace lo mismo, solo que sin tener que incluir everything()
:
iris %>%
rename(sepal_length = Sepal.Length, sepal_width = Sepal.Width) %>%
head(2)
sepal_length sepal_width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
select_all()
funciona en todas las columnas y puede tomar una función como un argumento:
iris %>%
select_all(tolower)
iris %>%
select_all(~gsub("//.", "_", .))
o combinando los dos:
iris %>%
select_all(~gsub("//.", "_", tolower(.))) %>%
head(2)
sepal_length sepal_width petal_length petal_width species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
Esta es una respuesta muy tardía, en mayo de 2017.
A partir de dplyr 0.5.0.9004
, que pronto será 0.6.0, se han agregado al paquete muchas nuevas formas de renombrar columnas, compatibles con el operador de tubería maggritr
%>%
.
Esas funciones son:
- cambiar el nombre de todos
- renombrar_if
- rename_at
Existen muchas formas diferentes de usar esas funciones, pero la que es relevante para su problema, utilizando el paquete stringr
, es la siguiente:
df <- df %>%
rename_all(
funs(
stringr::str_to_lower(.) %>%
stringr::str_replace_all(., ''//.'', ''_'')
)
)
Y así, continúe con la plomería :) (sin juego de palabras).