regex - change - rename r dplyr

R dplyr: renombra variables usando funciones de cadena

Question

(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 .... 

Answer 1

Aquí hay una manera de evitar la sintaxis de rename algo torpe:

myris <- iris %>% setNames(tolower(gsub("//.","_",names(.))))

Answer 2

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(.)))))

Answer 3

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)
}

Answer 4

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

Answer 5

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

Answer 6

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).