如何在R语言中快速简化大型数据集的超长列名？

你可以通过自定义规则匹配列名片段的方式批量处理，完全符合你要的缩写规则，不会丢失关键数字标识，代码如下：

# 提取原始列名
old_names <- names(df)

# 批量转换列名
new_names <- sapply(old_names, function(x) {
  # 拆分列名片段，同时过滤掉冗余不需要的通用字段
  parts <- unlist(strsplit(x, "\\.|_"))
  filter_parts <- parts[!parts %in% c("2020", "sexes", "years", "to")]
  
  # 提取非数字片段的首字母拼接为前缀
  prefix <- paste0(tolower(substr(filter_parts[!grepl("^\\d+$", filter_parts)], 1, 1)), collapse = "")
  # 提取数字片段用下划线拼接
  num_part <- paste0(filter_parts[grepl("^\\d+$", filter_parts)], collapse = "_")
  
  # 拼合得到最终列名
  paste0(prefix, num_part)
})

# 替换df的列名
names(df) <- new_names

# 生成新旧列名映射表备查
name_mapping <- data.frame(旧列名 = old_names, 新列名 = new_names, check.names = FALSE)

补充说明 #

• 代码同时兼容原始点分隔的列名和janitor::clean_names处理后的下划线分隔列名，不需要提前做格式转换
• 千级列名的处理耗时不到1秒，完全不需要手动调整
• 建议将生成的name_mapping导出为csv文件存档，避免后续忘记缩写对应的原始变量含义
• 如果数据集包含其他年份的字段，只需把对应年份加到过滤列表的c("2020",...)中即可适配

内容的提问来源于stack exchange，提问作者asixet