当列名不同时如何通过选择特定列来组合多个数据框

Question

我在 my_data 列表中有七个my_data 。 其中三个 data.frames 有 16 列，另外四个有 22 列。 我需要将每个 data.frame 中的五列绑定到一个 data.frame ( all_data ) 中。 问题是我不能简单地 select 我想按名称保留的列，因为每个 data.frame 之间的名称不同（但相似），并且顺序不同。 例如，我有一个 data.frame 有一个标题为“X2012.NAICS.code”的列，另一个有一个标题为“X2007.NAICS.codes.and.NAICS.based.rollup.code”的列。 这些列包含相同的信息（NAICS 代码）并且需要绑定在一起。 我尝试使用的方法是这样的：

header_cols <- c( "Geographic.area.name", "Year", "**3rd column**", "**4th column**", "**5th column**" )

all_data <- map_dfr( my_data[grepl( "^ASM", names( my_data ))], ~ 
                               .x %>%
                               select( header_cols ))

第 3、第 4 和第 5 列是我需要的其他三列（所有 7 个 data.frames 之间的Year和Geographic.area.name相同）。

所有 data.frame 名称都以“ASM”开头，这就是^ASM的用途。

更新：我目前的策略是这样的

# Make object for raw column name strings (all columns of interest contain these strings in all dataframes)
name_pattern <- c( "Geographic.area.name", "Geographic Area Name")
VoS_pattern <- c( "Total.value.of.shipment", "value of shipments")
NAICS_pattern <- c( "NAICS.code", "NAICS code")
industry_pattern <- c("Meaning.of.", "Meaning of NAICS code")
relative_pattern <- c("Relative.standard.error", "Relative standard error")
header_cols <- c( "Year" )

# Part 3: binding the data into one dataframe based on the columns of interest, uniting columns that contain the same information category
# Bind the columns of interest into one dataframe
combined_data <- map_dfr( my_data[grepl( "^ASM", names( my_data ))], ~
                            .x %>%
                            select( header_cols, contains( paste0( name_pattern ) ),
                                    contains( paste0( VoS_pattern ) ),
                                    contains( paste0( NAICS_pattern ) ),
                                    contains( paste0( industry_pattern ) ),
                                    -contains ( paste0( relative_pattern) ) ))

效果很好。 不幸的是，我不能使用map_dfr function（或任何特定于 purrr 的 function，所以我正在寻找一种使用 rbind 的方法。

Answer 1

一种选择是在rename_at之后使用select标准化列名。

library(dplyr)
library(stringr)
library(purrr)
map_dfr(my_data[grep('^ASM', names(my_data))], ~ 
     .x %>%
       select(header_cols[1:2], 
            matches("NAICS\\.(code|based\\.rollup\\.code)")) %>%
       rename_at(matches("NAICS"), ~ str_remove(., "^X\\d{4}\\.")))

---

或使用base R使用lapply

v1 <- c("Year", "state_name", "VoS_thousUSD", "NAICS_code", "industry")

out <- lapply(my_data[grep('^ASM', names(my_data))],
       function(x) x %>%
           mutate_if(is.factor, as.character) %>%
          select( header_cols, contains( paste0( name_pattern ) ),
                  contains( paste0( VoS_pattern ) ),
                  contains( paste0( NAICS_pattern ) ),
                 contains( paste0( industry_pattern ) ),
                -contains ( paste0( relative_pattern) ) ) %>% 
                set_names(v1))

combined_data <- do.call(rbind, out)
row.names(combined_data) <- NULL


# Make VoS numeric
combined_data_new <- combined_data %>%
        dplyr::mutate( VoS_thousUSD = as.numeric( VoS_thousUSD ) )