R语言中使用nest()与map()后批量重命名多列的最优方法

方案1：在map处理阶段直接修改列名（一步到位） #

不用等到unnest后再调整，直接在map的匿名函数里对计算后的列重命名，这样unnest后直接得到带后缀的目标列名，完全不依赖列顺序：

library(tidyverse)

iris_sqrt <- iris %>%
  nest(data = -Species) %>%
  mutate(square_root = map(data, ~ .x %>% 
                             sqrt() %>% 
                             rename_with(~ paste0(.x, ".sd"), everything()))) %>%
  unnest(square_root) %>%
  select(-data) # 移除原始的data列表列（如果不需要保留）

方案2：unnest后用列名匹配重命名 #

如果已经完成了nest和map的计算，也可以在unnest后用rename_with结合精准列名匹配来修改，避免依赖列位置：

方式A：基于预设的列名向量匹配

library(tidyverse)

iris_names <- colnames(iris[, 1:4])

iris_sqrt <- iris %>%
  nest(-Species) %>%
  mutate(square_root = map(data, sqrt)) %>%
  unnest(square_root) %>%
  select(-data) %>%
  rename_with(~ paste0(.x, ".sd"), all_of(iris_names))

方式B：基于列名模式匹配（无需预设向量）

如果知道目标列的命名规律，直接用matches匹配模式，更灵活：

library(tidyverse)

iris_sqrt <- iris %>%
  nest(-Species) %>%
  mutate(square_root = map(data, sqrt)) %>%
  unnest(square_root) %>%
  select(-data) %>%
  rename_with(~ paste0(.x, ".sd"), matches("^(Sepal|Petal)\\.(Length|Width)$"))

为什么这些方法更可靠？ #

你原来的方法通过names(iris_sqrt)[3:ncol(iris_sqrt)]修改列名，完全依赖列的位置顺序——如果后续数据结构变化（比如nest时列顺序调整、新增/删除列），就会导致重命名错误。而上面的方法都是基于列名匹配，不管列的位置如何，都能精准修改目标列，符合tidyverse/dplyr的“按名操作”原则。

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