在与 purrr 和 readxl 合并之前标准化 excel 工作表中的列名称

Question

我想编译一个 Excel 文件，其中包含按年份（2016、2015、2014 等）标记的多个选项卡。每个选项卡都有相同的数据，但列名的拼写可能每年都不同。

我想在合并之前标准化每个 sheet 中的列。

这是将 purrr 和 readxl 结合用于此类任务的通用方法：

combined.df <- excel_sheets(my.file) %>% 
  set_names() %>%                                 
  map_dfr(read_excel, path = my.file, .id = "sheet")

...但是如前所述，这会为 "COLUMN ONE" 和 "Column One" 创建单独的列，它们具有相同的数据。

将 make.names 插入管道可能是最好的解决方案。

将它们放在一起是最理想的……类似于：

   combined.df <- excel_sheets(my.file) %>% 
    set_names() %>% 
    map(read_excel, path = my.file) %>% 
    map(~(names(.) %>%  #<---WRONG
            make.names() %>% 
            str_to_upper() %>% 
            str_trim() %>% 
            set_names()) )

..但是语法全错了。

Answer 1

创建一个新函数是可行的，但是很冗长并且使用了两个映射：

  # User defined function: col_rename
  col_rename <- function(df){
    names(df) <- names(df) %>% 
     str_to_upper() %>% 
     make.names() %>% 
     str_trim()
   return(df)
  }

   combined.df <- excel_sheets(my.file) %>% 
    set_names() %>%
    map(read_excel, path = my.file) %>%  #<Import as list, not dfr
    map(col_rename) %>%                  #<Fix colnames (user defined function)
    bind_rows(.id = "sheet")

Answer 2

与其定义您自己的函数，janitor 包中的 clean_names 函数也许能够帮助您。它需要 dataframe/tibble 作为输入，returns 带有干净名称的 dataframe/tibble 作为输出。

这是一个例子：

library(tidyverse)

tibble(" a col name" = 1,
       "another-col-NAME" = 2,
       "yet another name  " = 3) %>% 
    janitor::clean_names()
#> # A tibble: 1 x 3
#>   a_col_name another_col_name yet_another_name
#>        <dbl>            <dbl>            <dbl>
#> 1          1                2                3

然后您可以将其直接放入您提供的代码中：

combined.df <- excel_sheets(my.file) %>% 
    set_names() %>%
    map(read_excel, path = my.file) %>%  #<Import as list, not dfr
    map(janitor::clean_names) %>%        #<janitor::clean_names
    bind_rows(.id = "sheet")

在与 purrr 和 readxl 合并之前标准化 excel 工作表中的列名称

Standardize column names in excel sheets before combining with purrr and readxl

r

purrr

readxl