为何对R数据框执行子集化操作会修改其原有的重复列名？

这个现象由R数据框的两个核心构造规则决定：

• check.names参数仅在数据框构造的当下生效，不会作为永久属性绑定到数据框实例
• 所有列维度的子集操作，本质上都会触发一次新数据框的构造流程，未显式指定参数时将使用函数内置默认值

流程对应解释 #

1. 最初构造原始数据框DF时，你手动设置check.names = FALSE，等价于告知R：本次构造过程中不要自动校验、修正列名。因此即便出现两个完全同名的danger列，R也会原样保留列名，不做任何调整。
2. 执行列筛选操作DF[!(names(DF) %in% drops)]时，R不会直接返回原数据框中截取的列内存块，而是会把筛选出的列打包，重新调用data.frame()函数构造一个全新的数据框。这次构造没有手动传入check.names参数，因此会调用R内置的默认值*check.names = TRUE*。
3. 当check.names = TRUE时，R会自动执行列名合规性校验：为所有重复列名按出现顺序追加.1、.2……的后缀，保证列名全局唯一。这就是第二个danger列被自动重命名为danger.1的直接原因。

快速验证 #

如果在子集化时显式关闭列名校验，即可保留原有重复列名，运行以下代码即可复现无重命名的效果：

DF[!(names(DF) %in% drops), check.names = FALSE]

此时输出的列名将保持为y、danger、danger，不会出现自动生成的danger.1列名。

内容的提问来源于stack exchange，提问作者J. Mini