如何在R语言中按后缀规则对数据框列进行排序？

现有数据框示例：

df <- data.frame(var_NA = 1:10, var = 11:20, var_Level = 21:30, var_Total = 31:40)

实际场景包含大量变量，每个母变量（如var）对应多个子变量（如var_NA、var_Level），且每个母变量必有后缀为_NA的子变量。需要按以下规则排列列：

• 每组母变量内，顺序为：母变量 → 后缀为_NA的子变量 → 其他子变量
• 按此规则循环排列所有变量组

示例预期列顺序：var、var_NA、var_Level、var_Total

使用dplyr结合stringr处理列名排序，具体代码如下：

library(tidyverse)

# 提取列名并生成排序规则
col_order <- colnames(df) %>%
  tibble(col = .) %>%
  # 提取母变量名称：匹配下划线前的部分，无下划线则直接取原变量名
  mutate(parent_var = str_extract(col, "^[^_]+")) %>%
  # 分配组内排序优先级
  mutate(priority = case_when(
    col == parent_var ~ 1,          # 母变量优先级1
    str_ends(col, "_NA") ~ 2,      # _NA后缀变量优先级2
    TRUE ~ 3                       # 其他子变量优先级3
  )) %>%
  # 按母变量分组，再按优先级排序，最后提取列名顺序
  arrange(parent_var, priority) %>%
  pull(col)

# 重新排列数据框列
df_reordered <- df %>% select(all_of(col_order))

代码逻辑说明 #

1. 提取母变量：用正则表达式^[^_]+匹配变量名中第一个下划线之前的内容，无下划线的变量（即母变量）直接作为自身的母变量。
2. 设置优先级：给母变量、_NA后缀变量、其他子变量分别分配1、2、3的优先级，确保组内排序符合需求。
3. 排序并重排列：按母变量分组后，依据优先级排序，最后用select按生成的顺序重新排列列。

如果存在多个母变量组（比如同时有var、foo两组），该代码会自动按母变量名称顺序，每组都遵循「母变量→_NA→其他子变量」的规则排列。

内容的提问来源于stack exchange，提问作者luchonacho