您是否尝试过使用与 关联的其他函数系列rename，例如rename_ator rename_all，它们可以接收函数（如 @mpaladino 推荐的函数）？

该示例更具描述性：

library(tidyverse)

data <- head(iris, 3)
data
#>   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#> 1          5.1         3.5          1.4         0.2  setosa
#> 2          4.9         3.0          1.4         0.2  setosa
#> 3          4.7         3.2          1.3         0.2  setosa

data %>% rename_at(2, function(x) "2da varaible")
#>   Sepal.Length 2da varaible Petal.Length Petal.Width Species
#> 1          5.1          3.5          1.4         0.2  setosa
#> 2          4.9          3.0          1.4         0.2  setosa
#> 3          4.7          3.2          1.3         0.2  setosa


antiguos <- names(data)
antiguos
#> [1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width" 
#> [5] "Species"

nuevos <- str_replace_all(str_to_lower(names(data)), "\\.", "_")
nuevos <- str_c(nuevos, stringi::stri_rand_strings(length(nuevos), 2), sep = "_")
nuevos
#> [1] "sepal_length_nP" "sepal_width_Ws"  "petal_length_r4" "petal_width_pY" 
#> [5] "species_4O"

data %>% rename_all(function(x) nuevos[which(antiguos %in% x)])
#>   sepal_length_nP sepal_width_Ws petal_length_r4 petal_width_pY species_4O
#> 1             5.1            3.5             1.4            0.2     setosa
#> 2             4.9            3.0             1.4            0.2     setosa
#> 3             4.7            3.2             1.3            0.2     setosa


data %>% rename_all(str_to_upper)
#>   SEPAL.LENGTH SEPAL.WIDTH PETAL.LENGTH PETAL.WIDTH SPECIES
#> 1          5.1         3.5          1.4         0.2  setosa
#> 2          4.9         3.0          1.4         0.2  setosa
#> 3          4.7         3.2          1.3         0.2  setosa

我在解析调查数据库时经常遇到同样的问题：变量名就是问题，所以它们很长，中间有空格和特殊字符。不管 RStudio 有多么自动完成功能，一直重复它们真是太糟糕了。

这是一个有点长的答案，希望它会为您的案例和我们分享处理此问题的策略服务。

正如您提到dplyr::rename()的，它不适用于索引号。这部分与 Wickham 的哲学有关，该哲学更多来自于处理索引号没有位置的关系数据库，以及tidyverse. 这些函数很容易使用：您不需要在字符串周围使用引号，也不需要使用它们显式创建数组c()来进行多次调用，但由于这个原因，它们在函数参数中混合数字和字符串时遇到了麻烦。这就是为什么tidyverse总是使用列名而几乎从不使用索引号的原因。select()是一个例外。

前言

首先，更一般的评论：我认为使用索引号进行子集化data.frame或重命名等操作不是一个好习惯。为什么？因为如果您的数据结构稳定并且索引号和名称始终匹配，则此方法有效。但是，如果您使用的是运算符%>%您正在动态处理您的数据结构（在函数链中）。因此，您冒着这样的风险：当您消除一个变量时，以下变量的位置会少一个数字，如果您根据索引号应用更改，结果将不是您想要的。我对此有点夸张，尽管在某些情况下它的风险并不大，但我宁愿永远不要使用可能是不好的做法，“忘记”如何去做，而不是求助于另一个“捷径”有风险的上下文。

首选选项：字典并使用短名称。

我使用的替代方法是为我的数据库列生成一组短名称，因此当我操作它们时，我用短名称来称呼它们。为此，如果它在我从中获取数据的源中可用，我会制作或导入一组diccionario变量。data.frame一个至少有两列的简单，Variable并且Etiqueta. Variable是短名称，我在数据操作期间用来指代该列，etiqueta是我在图表或表格中使用的长且非常具有描述性的名称。

如果需要，您可以在 Excel 或类似文件中构建它，将其导出为 .csv 并在您需要的 R 会话中导入它，或者直接在 R 中生成它。按照 R 环境中的约定，我总是称它为diccionario.

在实践中，我将字典与两个简单的 ad hoc 函数一起使用：nombrar_largo()和nombrar_corto(). 第一个负责进行匹配并将名称从短名称更改为长名称，第二个则相反。如所写，当列数不匹配时它们不会失败（即您可以在 a 之后使用它们select()）并且如果有新列（保持不变）它们也不会失败，但它们确实需要其中列名的顺序x和其中行的顺序df等于。

它们允许您使用短名称进行所有处理和操作，例如，当您想要生成长名称所在的图形时，您只需将它们添加nombrar_largo() %>%到函数链中的适当位置，这就是它。

这是我正在使用的数据库的一个实际示例，您可以在此处下载：http: //portalanterior.ine.mx/archivos2/s/DECEYEC/EducacionCivica/Base_datos_Informe_Pais.xlsx

# El data.frame que analizo se llama basecalidad y la tabla de equivalencias entre variables y etiquetas se llama diccionario. 


diccionario %>% slice(10:15)  #Una parte del diccionario, para entender la estructura.

# A tibble: 6 x 2
Variable                                                                                                                                                                                            Etiqueta
<chr>                                                                                                                                                                                               <chr>
  1       p2          P2. En su opinión, si una persona mata a alguien y las autoridades no hacen nada, ¿los miembros de la comunidad tienen derecho o no tienen derecho de hacer justica con sus propias manos?
  2       p3 P3. Tomando en cuenta lo que sucede en su comunidad, ¿está muy de acuerdo, algo de acuerdo, algo en desacuerdo o muy en desacuerdo  con la frase La policía hace de mi colonia un lugar más seguro?
  3       p4                                             P4. En lo relativo al cumplimiento de las leyes vigentes en su estado y en el país, ¿cuál de las siguientes frases se acerca más a lo que usted piensa?
  4       p5                           P5.  En su opinión, qué es más importante: ¿Qué las autoridades respeten los derechos humanos o que las autoridades capturen a personas acusadas de cometer algún delito?
  5       p6                                                                                                                                     P6.  ¿Cuál de las siguientes situaciones considera que es peor?
  6     p7_1                                               P7. Por favor dígame,  si en los últimos doce meses usted  Ha cambiado los lugares a donde va de compras  por temor a ser víctima de la delincuencia.


nombrar_largo <- function(x){
  nombres <- diccionario [diccionario$Variable %in% colnames(x),"Etiqueta"]$Etiqueta
  colnames(x) <- nombres
  return(x)
}

nombrar_corto <- function(x){
  nombres <- diccionario [diccionario$Etiqueta %in% colnames(x), "Variable"]$Variable
  colnames(x) <- nombres
  return(x)
}

# Uso

basecalidad %>% 
  nombrar_largo() %>%      #Regresa la misma base con nombres largos. 
  select(-proy, -edo) %>%  #Quito dos columnas.
  nombrar_corto()          #Sigue funcionando.

这些函数可以改进，因为它们需要一些固定的名称：字典、标签、变量，并且它们也存在顺序问题。然而，当他们工作时，我没有把手放在他们身上。对于非常广泛的基础，它们也有点慢，因为它%in%非常懒惰。但是由于它们可以满足我的需要，因此我还没有开始改进它们。

具有功能的替代方法nombrar()

如果做字典的工作量太大并且您更喜欢更快的解决方案（在短期内），您可以使用setNames()我称之为的函数的变体nombrar()。setNames()接受两个参数，一个data.frame和一个名称向量，问题是它不能很好地处理索引号。所以我稍微修改了一下，让它接受第三个参数：一个带有索引的数字向量。我还更改了参数的顺序：第一个是data.frame，所以使用%>%lo 可以将其留空，第二个是带有索引的数字数组，第三个是字符数组，其中包含您喜欢的任何名称，用于按数字选择的变量。

nombrar <- function (object = nm, index, nm) 
{
  names(object)[index] <- nm
  object
}
# Uso:

basecalidad %>% 
  nombrar(c(1, 5, 6), c("Nombre de la uno", "Nombre de la cinco", "Nombre de la seis"))

当然，对于每次使用，您都必须确保索引向量和名称向量具有相同的长度并按位置匹配。但是通过将 a 作为输入data.frame并返回与输出相同的结构，您可以将其与 operator 一起使用%>%。

选项 3：使用gsub()临时

有时我们正在寻找的短名称是长而笨拙的名称，只需使用正则表达式或直接删除字符串即可。它可以用于您的数据库gsub()vector ，在这种情况下，我使用 setNames() 将过程包装在一个函数中。names()在您的情况下，它将类似于：

df %>%
   setNames(gsub("Código.Penal.Federal..CPF._Delitos.contra.la.salud_", "", .))
#No arme la estructura de datos y no lo pude probar. Un `dput(head(datos))`  ayudaría. 

干杯!

通过一些旧的 R 笔记，我想出了一个答案，这可能对那些阅读这篇文章的人有用。解决方案是使用运算符%>%和基函数 R。

我将使用基本 mtcars 来举例说明。

首先，让我们看一下数据库变量名称。

head(mtcars, 3)
               mpg cyl disp  hp drat    wt  qsec vs am gear carb
Mazda RX4     21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag 21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
Datsun 710    22.8   4  108  93 3.85 2.320 18.61  1  1    4    1

假设我对选择变量 mpg、cyl 和 hp 感兴趣（请记住，问题的本质是更改名称不是很简单的变量的名称，但无论如何它的工作方式相同）

library(dplyr)

head(mtcars) %>%
+   subset(select=c(1:2,4)) %>% 
+   setNames(c("millas","cilindros", "caballos")) 
                  millas cilindros caballos
Mazda RX4           21.0         6      110
Mazda RX4 Wag       21.0         6      110
Datsun 710          22.8         4       93
Hornet 4 Drive      21.4         6      110
Hornet Sportabout   18.7         8      175
Valiant             18.1         6      105

可以看出，结果是期望的结果。subset这一切的症结在于使用setNames哪些是R代码库函数。一个替代的解决方案，也相当有效。

我希望有人觉得它有用。

使用该功能colnames()可以很容易地执行您所说的操作，例如，如果我的数据集的第一列我想被称为“日期”，则指令是colnames(data)[1]="Fecha"1 表示它是您想要更改的第一列姓名