如何按指定模式批量重命名数据表过长的列名

从给出的示例可总结统一的列名结构规律：所有待处理列名均为染色体位置_目标基因名_Ensembl ID及版本号的下划线拼接格式，因此无需为每列单独配置规则，可统一提取下划线分割后的第二个字段作为新列名。

R 语言实现（适用tidyverse生态） #

如果数据存储为R数据框，可配合dplyr和stringr包实现批量修改：

library(dplyr)
library(stringr)

# 替换df为你的实际数据框名
df <- df %>%
  rename_with(
    .fn = ~ str_split_i(.x, pattern = "_", i = 2),
    .cols = everything()
  )

*如果仅需要修改部分列，将.cols = everything()替换为对应列的筛选规则即可。

Python 实现（适用pandas数据框） #

如果用pandas处理数据，直接修改列名属性即可：

import pandas as pd

# 替换df为你的实际数据框名
df.columns = df.columns.str.split("_").str[1]

Shell 命令实现（直接修改文本格式表文件） #

如果需要直接修改csv/tsv格式文件的表头，可使用awk命令处理：

• 处理tsv格式文件

awk 'BEGIN{FS=OFS="\t"} NR==1{for(i=1;i<=NF;i++){split($i,a,"_");$i=a[2]}}1' 输入文件.tsv > 输出文件.tsv

• 处理csv格式文件

awk 'BEGIN{FS=OFS=","} NR==1{for(i=1;i<=NF;i++){split($i,a,"_");$i=a[2]}}1' 输入文件.csv > 输出文件.csv

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