重命名匹配不同命名模式的变量以一致的方式表示时间的最佳方法？

Question

我有一个广泛的数据集，其中包含从参与者那里获得的心理测量数据跨越不同的时间点。

心理测量中随时间变化的标签采用以下形式： QuestionnaireTime_Item#。一个例子是 dass1_1 其中 dass = Questionnaire, 1_ = Time_ 进行了问卷调查；和相关问卷的 1 = Item#。

这在所有问卷中基本一致，但是有一个心理测量不遵循此命名法的变量：siss1。虽然这命名法与表示日期和 session 的其他变量一致数据数量 collection 即 date1 和 session1。可以看出，这些变量的标签位于变量的末尾。但是，有许多名称中包含不应更改的数字的变量，特别是 cff1、cff2 等，表示此度量的项目编号而不是时间（但是，他们只在 datefinal collection 期间被问过一次 [见下文])。

变量名中的时间在大多数情况下（1--14）用数字表示，单词除外 'final'（例如，datefinal、sessionfinal、dassfinal_1、sissfinal）最后一个 session。此外，还有一个数据 collection 期发生在最后一个 session datefinal 数据 collection 期之后的 6 个月和 12 个月。这些用 6fup 或 12fup 表示，例如 date_6fup 和 dass6fup_2.

我想更改表示时间变量的字符串以使其保持一致并将它放在每个变量名的开头。另外，我想在问卷名称和相关项目编号之间加一条下划线。例如：

date1 -> T1.date
session1 -> T1.session
siss2 -> T2.siss
dass1_1 -> T1.dass_1
datefinal -> T15.date
dass_6fup_2 -> T16.dass_2
date_12fup -> T17.date

鉴于表示时间的数值，最好的方法是什么变化和不一致？

目前，我有下面提供的 here:

names(old_sp_wide) <- sub("([a-z]+)(\d+)(_\d+)?", "T\2.\1\3",
                          sub("final", "15", names(old_sp_wide)),
                          ignore.case = TRUE
                          )

但是，这也会更改带有 cff 前缀的变量的名称，并且不会像预期的那样在带有时间标签 6fup 和 12fup 的变量上工作。

鉴于表示时间的数值发生变化并且不一致，最好的方法是什么？有没有办法用 stringr 或 stringi?

请参阅下面的可重现示例。

structure(list(uci = 12345L, dob = structure(1L, .Label = "1988_01_26", class = "factor"),
               sex = 2L, sp_episode = 1L, staff = structure(1L, .Label = "aj", class = "factor"),
               YP_consent = 1L, date1 = structure(1L, .Label = "2016_10_03", class = "factor"),
               session1 = 1L, dass1_1 = 3L, dass1_2 = 0L, dass1_3 = 2L,
               siss1 = 1L, diag1 = NA, diag2 = NA, diag3 = NA, pastpsyc = NA,
               pastmed = NA, date2 = structure(1L, .Label = "2016_10_15", class = "factor"),
               session2 = 3L, dass2_1 = 3L, dass2_2 = 0L, dass2_3 = 2L,
               siss2 = NA, datefinal = structure(1L, .Label = "2016_11_12", class = "factor"),
               sessionfinal = 8L, dassfinal_1 = 2L, dassfinal_2 = 1L, dassfinal_3 = 2L,
               dassfinal_4 = 3L, sissfinal = NA, cff1 = NA, cff2 = NA, cff3 = NA,
               date_6fup = structure(1L, .Label = "2014_06_30", class = "factor"),
               dass6fup_2 = 3L, dass6fup_3 = 1L, dass6fup_4 = 1L, siss6fup = 2L,
               date_12fup = NA), class = "data.frame", row.names = c(NA,
                                                                     -1L))

Answer 1

感谢您的代表和对您问题的详尽解释。如果我理解正确的话，下面的例程应该能给你你想要的东西，或者，如果失败了，希望你能很接近。

我用了两轮stringr::str_replace_all。在第一轮中，我们将所有 final、6fup 和 12fup 后缀替换为它们指定的等效数字（即 15、16、17）。在第二轮中，我们针对剩余的两个主要正则表达式模式，确保排除任何以 cff 前缀开头的匹配项。

# create new_names by applying two rounds of str_replace_all to the old names
new_names <- names(df) %>%
  stringr::str_replace_all(c(
    'final' = '15',
    '_6fup|6fup' = '16',
    '_12fup|12fup' = '17'
  )) %>%
  stringr::str_replace_all(
    c(
      '^(?!cff\d)(^[A-z]+)(\d{1,2})$' = 'T\2.\1',
      '^(?!cff\d)(^[A-z]+)(\d{1,2})_(\d)' = 'T\2.\1_\3'
    )
  ) 

# compare old names to new names
new_names %>% purrr::set_names(names(df))
#>           uci           dob           sex    sp_episode         staff 
#>         "uci"         "dob"         "sex"  "sp_episode"       "staff" 
#>    YP_consent         date1      session1       dass1_1       dass1_2 
#>  "YP_consent"     "T1.date"  "T1.session"   "T1.dass_1"   "T1.dass_2" 
#>       dass1_3         siss1         diag1         diag2         diag3 
#>   "T1.dass_3"     "T1.siss"     "T1.diag"     "T2.diag"     "T3.diag" 
#>      pastpsyc       pastmed         date2      session2       dass2_1 
#>    "pastpsyc"     "pastmed"     "T2.date"  "T2.session"   "T2.dass_1" 
#>       dass2_2       dass2_3         siss2     datefinal  sessionfinal 
#>   "T2.dass_2"   "T2.dass_3"     "T2.siss"    "T15.date" "T15.session" 
#>   dassfinal_1   dassfinal_2   dassfinal_3   dassfinal_4     sissfinal 
#>  "T15.dass_1"  "T15.dass_2"  "T15.dass_3"  "T15.dass_4"    "T15.siss" 
#>          cff1          cff2          cff3     date_6fup    dass6fup_2 
#>        "cff1"        "cff2"        "cff3"    "T16.date"  "T16.dass_2" 
#>    dass6fup_3    dass6fup_4      siss6fup    date_12fup 
#>  "T16.dass_3"  "T16.dass_4"    "T16.siss"    "T17.date"

重命名匹配不同命名模式的变量以一致的方式表示时间的最佳方法？

Best way to rename variables matching different naming patterns to denote time in consistent manner?

r

regex

stringr

stringi