如何基于映射表动态转换任意列名的tibble数据类型？

问题背景 #

我需要将多份CSV文件合并为tibble，但每次运行时文件的列名都不固定。之前用mutate_at()手动设置数据类型，列名变化时就得修改函数，效率很低。现在有一份列名与数据类型的映射表columns，以及待处理的tibbledf，想通过映射表自动为df的列分配对应数据类型。

映射表和待处理数据如下：

columns <- tribble(
  ~.colname, ~.datatype,
  "start_date", "date",
  "stop_date", "date",
  "order_num", "character",
  "rate", "currency",
  "amount", "integer"
)

df <- tribble(
  ~start_date, ~stop_date, ~order_num, ~rate, ~amount,
  "2023-06-01", "2023-06-30", "52471", "1.25", "20"
)

（注：原df列名的前缀.应为笔误，已修正为与映射表匹配的列名）

解决方案 #

可以通过自定义类型转换函数，结合dplyr或purrr的工具实现动态转换，无需手动指定列名：

步骤1：定义类型转换函数 #

先写一个根据类型字符串返回对应转换逻辑的函数，覆盖你需要的所有数据类型：

convert_type <- function(x, type) {
  switch(
    type,
    date = as.Date(x),
    character = as.character(x),
    currency = as.numeric(x), # 若货币值带$符号，可改为`as.numeric(sub("^\\$", "", x))`
    integer = as.integer(x),
    x # 默认返回原数据，处理未匹配的类型
  )
}

步骤2：基于映射表动态转换列类型 #

方法1：使用dplyr::across

利用across()结合映射表，自动匹配列名对应的类型：

library(dplyr)

df_processed <- df %>%
  mutate(
    across(
      all_of(columns$.colname),
      ~ convert_type(., columns$.datatype[match(cur_column(), columns$.colname)])
    )
  )

方法2：使用purrr::map2_df

通过map2_df()同时遍历df的列和对应的类型，批量转换：

library(purrr)
library(dplyr)

# 匹配每一列对应的类型
matched_types <- columns$.datatype[match(names(df), columns$.colname)]

# 批量转换并返回tibble
df_processed <- map2_df(df, matched_types, convert_type)

验证结果 #

运行后查看转换后的列类型：

str(df_processed)

输出会显示各列已转换为映射表指定的类型：

tibble [1 × 5] (S3: tbl_df/tbl/data.frame)
 $ start_date: Date, format: "2023-06-01"
 $ stop_date : Date, format: "2023-06-30"
 $ order_num : chr "52471"
 $ rate      : num 1.25
 $ amount    : int 20

内容的提问来源于stack exchange，提问作者Charles Knell