web-dev-qa-db-fra.com

R dplyr: renommer des variables en utilisant des fonctions de chaîne

(Question quelque peu liée: Entrez les nouveaux noms de colonne sous forme de chaîne dans la fonction de changement de nom de dplyr )

Au milieu d'une chaîne dplyr (%>%), Je voudrais remplacer plusieurs noms de colonnes par les fonctions de leurs anciens noms (en utilisant tolower ou 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)) 

Je vois ?rename prend l'argument replace comme named character vector, with new names as values, and old names as names.

J'ai donc essayé:

iris %>% rename(replace=c(names(iris)=tolower( gsub("\\.", "_", names(iris) ) )  ))

mais cela (a) renvoie Error: unexpected '=' in iris %>% ... et (b) nécessitent de référencer par nom la trame de données de l'opération précédente dans la chaîne, ce que dans mon cas d'utilisation réel, je ne pouvais pas faire.

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 ....  
43
C8H10N4O2

Je pense que vous regardez la documentation de plyr::rename, ne pas dplyr::rename. Vous feriez quelque chose comme ça avec dplyr::rename:

iris %>% rename_(.dots=setNames(names(.), tolower(gsub("\\.", "_", names(.)))))
36
Matthew Plourde

Ceci est une réponse très tardive, en mai 2017

À partir du dplyr 0.5.0.9004, bientôt la version 0.6.0, de nombreuses nouvelles façons de renommer les colonnes, compatibles avec l’opérateur de canal maggritr%>%, ont été ajoutés au package.

Ces fonctions sont:

  • renommer tous
  • rename_if
  • rename_at

Il existe de nombreuses façons différentes d'utiliser ces fonctions, mais celle qui correspond à votre problème, en utilisant le package stringr est la suivante:

df <- df %>%
  rename_all(
      funs(
        stringr::str_to_lower(.) %>%
        stringr::str_replace_all(., '\\.', '_')
      )
  )

Et donc, continuez avec la plomberie :) (sans jeu de mots).

41

Voici un moyen de contourner la syntaxe rename quelque peu maladroite:

myris <- iris %>% setNames(tolower(gsub("\\.","_",names(.))))
23
Frank

Pour ce cas particulier [mais assez courant], la fonction a déjà été écrite dans le package 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
## .          ...         ...          ...         ...     ...

donc tous ensemble,

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
9
alistaire

Ma tentative éloquente en utilisant base, stringr et dplyr:

EDIT: bibliothèque (tidyverse) comprend désormais les trois bibliothèques.

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(".", "_")

Je fais cela pour créer des fonctions avec des tuyaux.

my_read_fun <- function(x) {
    df <- read.csv(x) %>%
    names(df) %<>%
        tolower() %>%
        str_replace_all("_", ".")
    tempdf %<>%
        select(a, b, c, g)
}
7
mtelesha

select() et select_all() peuvent être utilisés pour renommer des colonnes.

Si vous souhaitez renommer uniquement des colonnes spécifiques, vous pouvez utiliser 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 fait la même chose, sans avoir à inclure 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() fonctionne sur toutes les colonnes et peut prendre une fonction en argument:

iris %>% 
  select_all(tolower)

iris %>% 
  select_all(~gsub("\\.", "_", .)) 

ou en combinant les deux:

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
2
sbha

Si vous ne souhaitez pas écrire vous-même les expressions régulières, vous pouvez utiliser

  • le snakecase-pkg qui est très flexible,
  • janitor::make_clean_names() qui a quelques Nice par défaut ou
  • janitor::clean_names() qui fait la même chose que make_clean_names(), mais fonctionne directement sur les trames de données.

Les invoquer à l'intérieur d'un pipeline devrait être simple.

library(magrittr)
library(snakecase)

iris %>% setNames(to_snake_case(names(.)))
iris %>% tibble::as_tibble(.name_repair = to_snake_case)
iris %>% purrr::set_names(to_snake_case)
iris %>% dplyr::rename_all(to_snake_case)
iris %>% janitor::clean_names()

0
Taz