Cómo usar la primera fila como nombre de las columnas en R

Problema

Queremos usar la primera fila como nombre de las columnas en R. En nuestro ejemplo, queremos reemplzar los nombres originales de la columna (V1, V2, etc) por los de la primera fila (col1, col2, etc).

    V1   V2   V3   V4   V5
1 col1 col2 col3 col4 col5
2 row1    2    4    5   56
3 row2   74   74    3  534
4 row3  865  768    8    7
5 row4   68   86   65   87

df <- read.table(text =  "V1    V2  V3  V4  V5
                        col1    col2    col3    col4 col5
                        row1    2   4   5   56
                        row2    74  74  3   534
                        row3    865 768 8   7
                        row4    68  86  65  87", header = TRUE )

Solución

Opción 1

colnames(df) <- df[1,]
df <- df[-1, ] 

Opción 2

names(df) <- lapply(df[1, ], as.character)
df <- df[-1,] 

Resultado

  col1 col2 col3 col4 col5
2 row1    2    4    5   56
3 row2   74   74    3  534
4 row3  865  768    8    7
5 row4   68   86   65   87

Si queremos reiniciar los nombres de fila:

rownames(df) <- NULL

  col1 col2 col3 col4 col5
1 row1    2    4    5   56
2 row2   74   74    3  534
3 row3  865  768    8    7
4 row4   68   86   65   87

References

• stackoverflow

How to use the first row as column names in R

Problem

We want to use the first row as column names in R. In our example, we'd like to replace the original column names (V1, V2, etc.) for the first row (col1, col2, etc.).

    V1   V2   V3   V4   V5
1 col1 col2 col3 col4 col5
2 row1    2    4    5   56
3 row2   74   74    3  534
4 row3  865  768    8    7
5 row4   68   86   65   87

df <- read.table(text =  "V1    V2  V3  V4  V5
                        col1    col2    col3    col4 col5
                        row1    2   4   5   56
                        row2    74  74  3   534
                        row3    865 768 8   7
                        row4    68  86  65  87", header = TRUE )

Solution

Option 1

colnames(df) <- df[1,]
df <- df[-1, ] 

Option 2

names(df) <- lapply(df[1, ], as.character)
df <- df[-1,] 

Results

  col1 col2 col3 col4 col5
2 row1    2    4    5   56
3 row2   74   74    3  534
4 row3  865  768    8    7
5 row4   68   86   65   87

If we want to reset row names:

rownames(df) <- NULL

  col1 col2 col3 col4 col5
1 row1    2    4    5   56
2 row2   74   74    3  534
3 row3  865  768    8    7
4 row4   68   86   65   87

References

• stackoverflow

Eliminar columnas con nombres duplicados de un data frame en R

Problema

Queremos eliminar las columnas con nombres duplicados de un data frame en R.

df <- data.frame(a = 1:2, b = 1:2, 
                 c = 1:2, a = 2:3, 
                 a = 2:3, b = 2:3, 
                 check.names = F)

  a b c a a b
1 1 1 1 2 2 2
2 2 2 2 3 3 3

Solución

• Base

df[, !duplicated(df)] # o bien
df[, unique(df)]

 a b c
1 1 1 1
2 2 2 2

• dplyr
Empleamos funciones del paquete base pero evitamos los corchetes para hacerla más legible.

library(dplyr)
df %>% subset(select = !duplicated(names(.))) # o bien
df %>% subset(select = unique(names(.)))

Descartar variables de un data frame por su nombre

Problema

Deseamos excluir variables de un data frame de acuerdo a su nombre. En nuestro ejemplo usamos el data frame iris, y queremos descartar las variables Sepal.Length y Petal.Width.

head(iris)

  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
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa

Soluciones

Hay múltiples opciones.

Paquete base

# Opción 1
iris[, -which(names(iris) %in% c("Sepal.Length", "Petal.Width"))]
# Opción 2
iris[ , !names(iris) %in% c("Sepal.Length","Petal.Width")]
# Opción 3
subset(iris, select = -c(Sepal.Length, Petal.Width)) 

dplyr

library(dplyr)
iris %>% select(-c(Sepal.Length, Petal.Width))

data.table

library(data.table)
DT = as.data.table(iris)
DT[ , !names(DT) %in% c("Sepal.Length", "Petal.Width"), with = FALSE]
# Otra opción
subset(DT, select=-c(Sepal.Length, Petal.Width)) 

Resultado

Las tres variables restantes. Solamente mostramos las 6 primeras filas

  Sepal.Width Petal.Length Species
1         3.5          1.4  setosa
2         3.0          1.4  setosa
3         3.2          1.3  setosa
4         3.1          1.5  setosa
5         3.6          1.4  setosa
6         3.9          1.7  setosa

Notas

Hay diferencias sutiles entre la primera opción con el paquete base -which y la segunda con la función !. Si con -which especificamos nombres que no encuentra en el data frame devolverá un data frame vacío con cero columnas. Mientras que si sucede lo mismo con !, devolverá el data frame original sin modificar.

La sintaxis con dplyr es bastante sencilla. Con data.table es muy similar a las utilizadas con el paquete base. No obstante, es necesario especificar el argumento with = FALSE o devolverá un vector lógico. También podemos emplear con data.table la función subset.

Entradas relacionadas

Referencias

• stackoveflow