使用数据帧的名称（deparse、substitute和lapply）重命名数据帧列表中的第二列
样本数据 我有一个数据帧列表，每个数据帧有两列：1。变量名，2。整数使用数据帧的名称（deparse、substitute和lapply）重命名数据帧列表中的第二列,r,list,dataframe,rename,lapply,R,List,Dataframe,Rename,Lapply,样本数据 我有一个数据帧列表，每个数据帧有两列：1。变量名，2。整数 df3 <- df2 <- df1 <- data.frame(Variable = LETTERS[1:5], Value = sample(10:20, 5, replace = TRUE)) df.list <- list(df1 = df1, df2 = df2, df3 = df3) df.list # $df1 # Variable Value # 1 A 17
df3 <- df2 <- df1 <- data.frame(Variable = LETTERS[1:5], Value = sample(10:20, 5, replace = TRUE))
df.list <- list(df1 = df1, df2 = df2, df3 = df3)
df.list
# $df1
# Variable Value
# 1 A 17
# 2 B 16
# 3 C 16
# 4 D 18
# 5 E 10
#
# $df2
# Variable Value
# 1 A 17
# ...
deparse（substitute（）sub（）进行正则表达式模式匹配编写了一个函数来实现这一点：
但是，当使用lappy
对列表中的所有数据帧执行此操作时，它不会：
lapply(df.list, mod.name)
df.list
# $df1
# Variable X[[i]]
# 1 A 17
# 2 B 16
# 3 C 16
# 4 D 18
# 5 E 10
#
# $df2
# Variable X[[i]]
# 1 A 17
# ...
当然，使用deparse（substitute（）
和lappy（）
的问题在StackOverflow之前已经讨论过了，但是我无法得到任何解决方案，也无法为我工作。您不需要deparse（substitute（.）
nms您不需要deparse（替换（.））
nms从技术上讲，这是为了实现既定目标：
Map(function(x,y){ names(y)[[2]] <- x; y }, names(df.list), df.list)
从那里，您可以使用
dcast(DT, Variable ~ src)
Variable df1 df2 df3
1: A 17 17 17
2: B 11 11 11
3: C 20 20 20
4: D 10 10 10
5: E 19 19 19
cbind
如果列具有不同的类型，则可以将它们与
as.data.table(c(df.list[[1]][1], lapply(df.list, `[`, -1)))
Variable df1.Value df2.Value df3.Value
1: A 17 17 17
2: B 11 11 11
3: C 20 20 20
4: D 10 10 10
5: E 19 19 19
如果像这样使用data.table，setnames
可以用来在以后更改列名
OP在评论中提到了这两个想法。我只是说明代码的细节
不管是哪种方式，我认为坚持一张表将更便于以后的分析。从技术上讲，这有助于实现既定目标：
Map(function(x,y){ names(y)[[2]] <- x; y }, names(df.list), df.list)
从那里，您可以使用
dcast(DT, Variable ~ src)
Variable df1 df2 df3
1: A 17 17 17
2: B 11 11 11
3: C 20 20 20
4: D 10 10 10
5: E 19 19 19
cbind
如果列具有不同的类型，则可以将它们与
as.data.table(c(df.list[[1]][1], lapply(df.list, `[`, -1)))
Variable df1.Value df2.Value df3.Value
1: A 17 17 17
2: B 11 11 11
3: C 20 20 20
4: D 10 10 10
5: E 19 19 19
如果像这样使用data.table，setnames
可以用来在以后更改列名
OP在评论中提到了这两个想法。我只是说明代码的细节
不管是哪种方式，我认为坚持一个表会更便于以后的分析。Map（函数（x，y）{names（y）[[2]]]@Frank这很有效——谢谢！但是你能解释一下为什么这是个坏主意吗？当然。嵌入一个变量（df1，df2，df3中的1,2,3）作为列名的一部分，意味着您以后必须再次解析该列名。此外，保留一个包含相关内容的data.frames列表，而不是使用rbind
创建一个列表，这将继续导致混乱（需要更多lappy
或mappy
，而不是正常的表操作）.Gregor在这里讨论了列表与单个表之间的权衡，Hadley在这里讨论了在列名称中放置变量：因此，在本例中，我将使用data.table:：rbindlist（df.list，id=“src”）
（在Gregor的帖子中提到）@Frank谢谢你的解释。很高兴知道。在这种情况下，我的目标是将新命名的第二列和cbind
提取到一个新的数据框中，以便更容易地比较第一列中列出的变量的值是如何变化的，但也许最好先rbind
it，然后再res从长到宽。Map（函数（x，y）{names（y）[[2]]]@Frank这很有效——谢谢！但是你能解释一下为什么这是个坏主意吗？当然。嵌入一个变量（df1，df2，df3中的1,2,3）作为列名的一部分，意味着您以后必须再次解析该列名。此外，保留一个包含相关内容的data.frames列表，而不是使用rbind
创建一个列表，这将继续导致混乱（需要更多lappy
或mappy
，而不是正常的表操作）.Gregor在这里讨论了列表与单个表之间的权衡，Hadley在这里讨论了在列名称中放置变量：因此，在本例中，我将使用data.table:：rbindlist（df.list，id=“src”）
（在Gregor的帖子中提到）@Frank谢谢你的解释。很高兴知道。在这种情况下，我的目标是将新命名的第二列和cbind
提取到一个新的数据框中，以便更容易地比较第一列中列出的变量的值是如何变化的，但也许最好先rbind
it，然后再res从长到宽。@Frank好的，谢谢，我会记住的。编辑答案。@Frank好的，谢谢，我会记住的。编辑答案。
dcast(DT, Variable ~ src)
Variable df1 df2 df3
1: A 17 17 17
2: B 11 11 11
3: C 20 20 20
4: D 10 10 10
5: E 19 19 19
as.data.table(c(df.list[[1]][1], lapply(df.list, `[`, -1)))
Variable df1.Value df2.Value df3.Value
1: A 17 17 17
2: B 11 11 11
3: C 20 20 20
4: D 10 10 10
5: E 19 19 19