Se podría generar una solución ad-hoc, pero es mejor definir una función que cambie los nombres y sea muy fácil de usar.
La función renombrar()
toma como primer argumento un data.frame, por lo que es fácil de usar en tuberías, y como segundo argumento a otro data frame con el diccionario. Para mantenerla simple en el desarrollo y en el uso hay que tener la precaución de que el diccionario tenga siempre dos columnas llamadas nombre
y etiqueta
, aunque estos nombres se podrían cambiar en la definición de la función (pero no en la llamada, ver más abajo).
Vamos a generar un test para asegurarnos de que el resultado sea el esperado. En este caso no están todas las columnas, no tienen el mismo orden y hay una columna nueva.
datos |>
select(v2, v1) |>
mutate(`Año de nacimiento` = 2022 - v1) -> datos_test
La función recibe dos argumentos, el primero es el data.frame cuyos nombres se van a cambiar y el segundo el diccionario. Por defecto el diccionario se llama diccionario
, así que si le damos ese nombre a data frame con los pares de nombres y etiquetas no tenemos que pasar el argumento explícitamente.
renombrar <- function(df, dic = diccionario) {
#Como voy a usar un join tengo que pasar los nombres de df a data.frame
nombres = enframe(names(df), name = "id", value = "nombre")
#Con left_join empato a los nombres presentes en df con los que están en el diccionario.
# Si una columna no está entonces no se empata y que NA. Además quedan ordenados.
etiquetas = left_join(nombres, dic, by = "nombre") |>
# Si hay una columna nueva (que no está en diccionario) el join me dará NA.
# Con coalesce() recupero el nombre en el df original para que siempre coincidan los largos.
mutate(etiqueta = coalesce(etiqueta, nombre))
# Con el vector etiqueta preparado es cuestión de asignarlo a colnames
colnames(df) <- etiquetas$etiqueta
df
}
datos_test |>
renombrar()
Si quisieras no depender de unos nombres fijos en diccionario
y tener una función a la que puedas parametrizar y asignar nombres arbitrarios para las columnas con nombres y etiquetas la solución es mucho más complicada, al menos conceptualemente. La complicación la introduce la evaluación no estándar de tidyverse
. El problema es que las funciones enframe, left_join y coalesce toman argumentos de maneras muy diversas. Por ejemplo, enframe toma como primer argumento unos datos que se evalúan en un nombre (name) y otros luego dos que tienen que ser cadenas de caracteres. Algo parecido pasa con left_join. coalesce()
recoge los argumentos con ...
, así que ahí a fuerzas tiene que haber una expresión no evaluada o una lista que podamos convertir en tal cosa.
Las opciones entonces serían buscar una solución con R base en la que no dependamos de funciones que reciben nombres si encomillar como argumentos o meternos de lleno en la evaluación no estándar y usarla todo lo posible para simplificar el problema.
Eso es lo que hace renombrar2()
. Usa dos operadores de rlang::
importados por dplyr
para resolver el problema. El primero es {{}}
que captura una expresión y la inyecta y evalúa como argumento de función que recibe nombres como argumentos. !!!
, que "empalma" una lista y la abre como expresiones que sirven de argumentos en ...
#Modifico el diccionario para cambiar los nombres de columnas.
diccionario |>
rename (name = nombre, label = etiqueta) -> diccionario2
renombrar2 <- function(df,
dic = diccionario,
viejos = nombre,
nuevos = etiqueta) {
nombres <- dic |>
select({{nuevos}}, {{viejos}}) |>
deframe()
rename(df, !!!nombres[nombres %in% names(df)])
}
renombrar2(datos_test, dic = diccionario2, viejos = name, nuevos = label)
La función toma 4 argumentos: el data frame al que vamos cambiar los nombres, el data frame con el diccionario de variables, el nombre de columna en el diccionario con los nombres viejos (deben coincidir con al menos algunos de los nombres de df) y el nombre de la columna en en diccionario con las etiquetas o nombres nuevos. Al especificar nuevos y viejos no importa el orden que las columnas tengan en diccionario.
Seguramente hay alguna solución más simple.
Fuentes:
La documentación rlang::
en https://rlang.r-lib.org/ es la fuente más concisa y práctica que he visto para entender y usar evaluación no estándar con dplyr. Más concisa y más práctica no quiere decir que sea concisa o práctica.
El capítulo sobre metaprograming de Advanced R expone muy bien los conceptos fundamentales y los por qué de este estilo de metaprogramación, pero es muy enredado en las explicaciones y menos orientado a la práctica que las viñetas de rlang.
En esta respuesta de akrun ví el truco de rename(!!!vector_nombrado)
.