使用正则表达式修改DataFrame指定列名失败问题求助

问题说明 #

尝试重命名DataFrame中第10列到倒数第二列的列名，但执行现有代码后列名完全未修改。

现有代码 #

all.lesions <- data.frame(t(apply(all.lesions, 1, unlist)), check.names = FALSE)
colnames(all.lesions[10:ncol(all.lesions)-1]) <- sub('^([^.]+.[^.]+.[^.]+.[^.]+).*', '\1', colnames(all.lesions[10:ncol(all.lesions)-1]))
colnames(all.lesions[10:ncol(all.lesions)-1]) <- substring(colnames(all.lesions[10:ncol(all.lesions)-1]), 1, nchar(colnames(all.lesions[10:ncol(all.lesions)-1]))-1)

输入数据 #

数据片段 #

> dput(all.lesions[1:2,c(9:16,length(colnames(all.lesions)))])
structure(list(Amplitude.Threshold = c("0: t<0.1; 1: 0.1<t< 0.9; 2: t>0.9", 
"0: t<0.1; 1: 0.1<t< 0.9; 2: t>0.9"), TCGA.2K.A9WE.01A.11D.A381.01 = c(0, 
0), TCGA.2Z.A9J1.01A.11D.A381.01 = c(0, 0), TCGA.2Z.A9J2.01A.11D.A381.01 = c(0, 
0), TCGA.2Z.A9J3.01A.12D.A381.01 = c(0, 0), TCGA.2Z.A9J5.01A.21D.A381.01 = c(1, 
1), TCGA.2Z.A9J6.01A.11D.A381.01 = c(0, 0), TCGA.2Z.A9J7.01A.11D.A381.01 = c(0, 
0), X = c(NA, NA)), row.names = 1:2, class = "data.frame")

目标列范围的列名（第10列到最后一列） #

> dput(names(all.lesions)[10:ncol(all.lesions)])
c("TCGA.2K.A9WE.01A.11D.A381.01", "TCGA.2Z.A9J1.01A.11D.A381.01", 
"TCGA.2Z.A9J2.01A.11D.A381.01", "TCGA.2Z.A9J3.01A.12D.A381.01", 
"TCGA.2Z.A9J5.01A.21D.A381.01", "TCGA.2Z.A9J6.01A.11D.A381.01",
"X")

对象类型 #

> class(all.lesions)
[1] "data.frame"
> typeof(all.lesions)
[1] "list"

预期输出 #

重命名后的目标列名：

[1] "TCGA.2K.A9WE.01" "TCGA.2Z.A9J1.01" "TCGA.2Z.A9J2.01"
[4] "TCGA.2Z.A9J3.01" "TCGA.2Z.A9J5.01" "TCGA.2Z.A9J6.01"

错误原因 #

1. 索引运算优先级错误：10:ncol(all.lesions)-1 会先生成10到总列数的序列，再对每个元素减1，导致索引范围完全偏离预期。正确写法是用括号明确优先级：10:(ncol(all.lesions)-1)，先计算倒数第二列的位置，再生成目标列序列。
2. 正则捕获组转义错误：sub函数中的\1未正确转义，R中需要写成\\1才能引用正则捕获组，否则无法提取目标子串。

修正后的代码 #

# 保留原数据转换逻辑
all.lesions <- data.frame(t(apply(all.lesions, 1, unlist)), check.names = FALSE)

# 定义目标列范围：第10列到倒数第二列
target_cols <- 10:(ncol(all.lesions)-1)

# 提取列名中前四个部分的前两位数字（如TCGA.2K.A9WE.01）
colnames(all.lesions)[target_cols] <- sub('^([^.]+\\.[^.]+\\.[^.]+\\.[0-9]{2}).*', '\\1', colnames(all.lesions)[target_cols])

或者结合原代码的两步逻辑，修正后：

all.lesions <- data.frame(t(apply(all.lesions, 1, unlist)), check.names = FALSE)

target_cols <- 10:(ncol(all.lesions)-1)
# 第一步：提取前四个以点分隔的片段
temp_names <- sub('^([^.]+\\.[^.]+\\.[^.]+\\.[^.]+).*', '\\1', colnames(all.lesions)[target_cols])
# 第二步：去掉片段的最后一个字符（如01A→01）
colnames(all.lesions)[target_cols] <- substring(temp_names, 1, nchar(temp_names)-1)

内容的提问来源于stack exchange，提问作者Anon