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).