修复以..x形式显示的列名：基于前置变量名处理调查数据集

原始数据情况 #

读取后的数据集存在列名结构缺陷：

library(data.table)
dat <- fread("q1   q2 ...1  ..2  q3 ..1
       NA   response other  else response other
       1    4        NA   NA   1    NA")

dat
#    q1       q2  ...1  ..2       q3   ..1
# 1: NA response other else response other
# 2:  1        4  <NA> <NA>        1  <NA>

存在的问题 #

1. 第一行实际是列名的补充部分，有效数据从第二行开始
2. 命名为...1、..2的列隶属于前面最近的q类问题列

已执行操作（未完成列名修复） #

你已经完成了列名拼接和移除第一行，但未解决...1/..2类列的归属问题：

names(dat) <- paste0(names(dat), dat[1,])
dat <- dat[-1,]
colnames(dat) <-  sub("NA.*", "", colnames(dat))

dat
#    q1 q2response ...1other ..2else q3response ..1other
# 1:    1          4      <NA>    <NA>          1     <NA>

解决方案 #

以下代码可以将...1/..2类列名映射到对应的q类列，生成规范的下划线分隔列名：

library(data.table)
# 重新读取原始数据（如果已经执行过前面的操作，可跳过这一步）
dat <- fread("q1   q2 ...1  ..2  q3 ..1
       NA   response other  else response other
       1    4        NA   NA   1    NA")

# 提取第一行作为列名后缀
suffixes <- as.character(dat[1, ])
# 移除第一行无效数据
dat <- dat[-1, ]
# 生成临时拼接列名
temp_names <- paste0(names(dat), suffixes)

# 获取原始列名（未拼接前）
orig_names <- names(dat)
# 定位所有q开头的问题列位置
q_cols <- grep("^q\\d+", orig_names)
# 初始化最终列名向量
final_names <- character(length(orig_names))

# 遍历每一列生成规范列名
for (i in seq_along(orig_names)) {
  if (i %in% q_cols) {
    # q类列直接保留拼接后无NA的名称
    final_names[i] <- sub("NA.*", "", temp_names[i])
  } else {
    # 找到当前列前最近的q类列作为父列
    prev_q_col <- max(q_cols[q_cols < i])
    # 提取父列的基础名称（如q2）
    parent_name <- sub("(^q\\d+).*", "\\1", orig_names[prev_q_col])
    # 提取当前列的后缀（如other、else）
    col_suffix <- sub("^\\.+\\d+", "", temp_names[i])
    # 拼接成规范格式：父列名_后缀
    final_names[i] <- paste0(parent_name, "_", col_suffix)
  }
}

# 应用最终列名
setnames(dat, final_names)

# 查看结果
dat
#      q1 q2_response q2_other q2_else q3_response q3_other
# 1:    1          4      <NA>    <NA>          1     <NA>

关键逻辑说明 #

• 用grep("^q\\d+", orig_names)精准定位所有q开头的问题主列
• 遍历列时，非主列自动匹配最近的前置主列作为归属
• 通过正则提取主列名和子列后缀，用下划线连接成易读的规范列名

内容的提问来源于stack exchange，提问作者Tom