如何在R tidyverse中解析含字符与年份的列名并转换格式

以下是两种实用的实现方法，适配不同的列名场景：

场景1：字符部分不含空格（如"var 1975"） #

直接用正则表达式批量替换，简洁高效：

library(tidyverse)

# 测试数据
df <- tibble(
  "var 1975" = 1:3,
  "var 1976" = 4:6,
  "metric 2020" = 7:9
)

# 重命名列
df_clean <- df %>%
  rename_with(~ str_replace(., "^(.*) (\\d{2})(\\d{2})$", "\\1_\\3"))

# 查看结果
colnames(df_clean)
#> [1] "var_75"     "var_76"     "metric_20"

代码解释： #

• rename_with()：tidyverse中用于批量修改列名的函数，接收一个自定义处理函数
• str_replace()：正则替换逻辑
  • ^(.*) ：捕获空格前的所有字符（如"var"、"metric"）到第一个捕获组
  • (\\d{2})(\\d{2})$：把四位年份拆成前两位（如"19"）和后两位（如"75"），后两位对应第三个捕获组
  • \\1_\\3：将字符部分与年份后两位用下划线连接

场景2：字符部分可能包含空格（如"my var 1975"） #

如果字符部分有空格，拆分提取的方法更稳妥：

df <- tibble(
  "my var 1975" = 1:3,
  "sales data 2008" = 4:6
)

df_clean <- df %>%
  rename_with(~ {
    # 提取空格前的字符部分（排除最后四位年份）
    char_part <- str_extract(., "^.*(?= \\d{4})")
    # 提取年份后两位
    year_part <- str_extract(., "\\d{4}$") %>% str_sub(-2, -1)
    # 拼接成新列名
    str_c(char_part, year_part, sep = "_")
  })

colnames(df_clean)
#> [1] "my var_75"     "sales data_08"

代码解释： #

• str_extract(., "^.*(?= \\d{4})")：用正向预查匹配所有在"空格+四位年份"之前的内容
• str_sub(-2, -1)：从四位年份字符串中截取最后两位
• str_c()：将字符部分和年份后两位用下划线拼接

内容的提问来源于stack exchange，提问作者saddas