如何使用字典有效地附加数据集（R/dplyr）？ / 如何合并 'all columns with duplicate names'？

Question

我有一系列数据集和一本字典可以将它们整合在一起。但我正在努力弄清楚如何自动执行此操作。

假设这个数据和字典（实际的要长得多，因此我想自动化）：

mtcarsA <- mtcars[1:5,] %>% rename(mpgA = mpg, cyl_A = cyl) %>% as_tibble()
mtcarsB <- mtcars[6:10,] %>% rename(mpg_B = mpg, B_cyl = cyl) %>% as_tibble()

dic <- tibble(true_name  = c("mpg_true", "cyl_true"), 
              nameA = c("mpgA", "cyl_A"), 
              nameB = c("mpg_B", "B_cyl")
)

我希望将这些数据集（来自 A 年和 B 年）相互附加，然后将名称更改或合并为 'true_name' 值。

我可以将数据集合并到 mtcars_all，然后我尝试用字典重新编码列名，如下所示


mtcars_all <- bind_rows((mtcarsA, mtcarsB)

recode_colname <- function(df, tn=dic$true_name, fname){
  colnames(df) <-  dplyr::recode(colnames(df),
                                !!!setNames(as.character(tn), fname))
  return(df)
  }

mtcars_all <- mtcars_all %>%
  recode_colname(fname=dic$nameA) %>%
  recode_colname(fname=dic$nameB)

但后来我得到重复列。当然，我可以按名称合并这些重复的列中的每一个，但在我的实际情况中会有很多，所以我想自动化 'coalesce all columns with duplicate names'.

我在这里给出了整个问题，因为也许有人对 'using a data dictionary' 也有更好的解决方案。

Answer 1

您可以创建命名向量来替换列名。

library(tidyverse)

pmap(dic, ~setNames(..1, paste0(c(..2, ..3), collapse = '|'))) %>%
  flatten_chr() -> val

val
# mpgA|mpg_B cyl_A|B_cyl 
# "mpg_true"  "cyl_true"

并将其应用于数据帧列表并合并它们。

list(mtcarsA,mtcarsB) %>%
  map_df(function(x) x %>% rename_with(~str_replace_all(.x, val)))

#   mpg_true cyl_true  disp    hp  drat    wt  qsec    vs    am  gear  carb
#      <dbl>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1     21          6  160    110  3.9   2.62  16.5     0     1     4     4
# 2     21          6  160    110  3.9   2.88  17.0     0     1     4     4
# 3     22.8        4  108     93  3.85  2.32  18.6     1     1     4     1
# 4     21.4        6  258    110  3.08  3.22  19.4     1     0     3     1
# 5     18.7        8  360    175  3.15  3.44  17.0     0     0     3     2
# 6     18.1        6  225    105  2.76  3.46  20.2     1     0     3     1
# 7     14.3        8  360    245  3.21  3.57  15.8     0     0     3     4
# 8     24.4        4  147.    62  3.69  3.19  20       1     0     4     2
# 9     22.8        4  141.    95  3.92  3.15  22.9     1     0     4     2
#10     19.2        6  168.   123  3.92  3.44  18.3     1     0     4     4

如何使用字典有效地附加数据集（R/dplyr）？ / 如何合并 'all columns with duplicate names'？

How to effectively append datasets using a dictionary (with R/dplyr)? / How to coalesce 'all columns with duplicate names'?

r

dplyr

tidyverse

coalesce

data-dictionary