R语言批量处理数据框列表：修改Q开头列名并保留指定列

原有代码问题说明 #

之前的代码运行失败，核心是几个细节错误：

• 列名修改逻辑错误：
  • starts_with()是dplyr包的选择助手函数，只能在dplyr的列选择语境下使用，不能直接判断普通字符向量的前缀，基础R做前缀判断要用自带的startsWith()
  • 正则规则不符合需求：sub("^[^_]*_", "", ...)只会删除第一个下划线前的内容，Q_1_A经处理会变成1_A，达不到提取第二个下划线后内容的要求
  • ifelse的否分支误用了purrr风格的参数.x，基础R匿名函数中不存在这个对象，直接返回原列名即可
• 列筛选逻辑错误：
  写了子集筛选语句x[(names(x) %in% col_keep)]后没有将结果赋值回原对象，函数最后返回的还是未修改的原始数据框，自然看不到筛选效果。

可直接复用的实现方案 #

方案1：基础R实现（无需加载第三方包） #

适合不想额外装包的场景，全程按列名匹配，不受列顺序差异影响：

# 初始化测试数据与参数
df1 <- structure(list(ID = 1:4, 
    Period = c("C_2021", "C_2021", "C_2021", "C_2021"), 
    subjects = c(2044L, 2044L, 2058L, 2059L), 
    Q_1_A = c(1L, 1L, 4L, 6L), 
    Q_1_B = c(6L, 1L, 6L, NA), 
    col3 = c(4L, 6L, 5L, 2L), 
    col4 = c(3L, 5L, 4L, 4L)), 
    class = "data.frame", row.names = c(NA, -4L))
        
df2 <- structure(list(ID = 1:4, 
    Period = c("C_2022", "C_2022", "C_2022", "C_2022"), 
    subjects = c(2058L, 2058L, 2065L, 2066L), 
    Q_1_A = c(2L, 5L, 5L, 6L), 
    Q_1_B = c(6L, 1L, 4L, NA), 
    col3 = c(NA, 6L, 5L, 3L), 
    col4 = c(3L, 6L, 5L, 5L)), 
    class = "data.frame", row.names = c(NA, -4L))
dflist <- list(df1, df2)
col_keep <- c("ID", "Period", "subjects", "A", "B")

# 批量处理列表
dflist_processed <- lapply(dflist, function(df) {
  # 步骤1：修改Q开头列的列名
  old_colnames <- names(df)
  new_colnames <- ifelse(
    startsWith(old_colnames, "Q"),
    sub("^.*_.*_", "", old_colnames), # 匹配开头到第二个下划线的所有内容，替换为空
    old_colnames
  )
  names(df) <- new_colnames
  # 步骤2：保留指定列
  # 若需要缺列容错，替换为 df <- df[, intersect(names(df), col_keep)]
  df <- df[, col_keep]
  return(df)
})

正则^.*_.*_会匹配从字符串开头到第二个下划线的全部字符，替换为空后，Q_1_A会被转为A，Q_2_C会被转为C，完全符合改名规则。

方案2：tidyverse实现（适配日常管道工作流） #

之前尝试的purrr+dplyr思路是可行的，修正细节错误后的代码更简洁，鲁棒性更强：

library(tidyverse)
dflist_processed <- map(dflist, ~.x %>%
  rename_with(
    .fn = ~str_remove(., "^.*_.*_"),
    .cols = starts_with("Q") # 仅针对Q开头的列执行改名
  ) %>%
  select(any_of(col_keep)) # 自动忽略不存在的列，缺列不报错中断
)

之前想到的select(any_of(col_keep))是非常适合批量处理场景的写法：40+个数据框难免存在个别表缺列的情况，这个写法不会因为缺列抛出错误中断整个循环，只会自动保留存在的列，比硬编码索引的稳定性高很多。

处理效果验证 #

处理完成后，列表内的数据框结构如下，完全符合需求：

> dflist_processed[[1]]
  ID Period subjects A  B
1  1 C_2021     2044 1  6
2  2 C_2021     2044 1  1
3  3 C_2021     2058 4  6
4  4 C_2021     2059 6 NA

> dflist_processed[[2]]
  ID Period subjects A  B
1  1 C_2022     2058 2  6
2  2 C_2022     2058 5  1
3  3 C_2022     2065 5  4
4  4 C_2022     2066 6 NA

内容的提问来源于stack exchange，提问作者Keelin