R 语言如何重命名列（names、colnames、dplyr rename）

先看看列名：names() 和 colnames()

列名保存在一个属性中，你可以像读取任何向量一样读取它。对于数据框，names() 和 colnames() 都会返回它：

sales <- data.frame(
    prodname = c("mug", "shirt", "cap"),
    prc      = c(12.0, 22.0, 15.0),
    q        = c(3, 2, 5)
)

print(names(sales))
print(colnames(sales))

结果一样。唯一真正的区别是：colnames() 也能用于矩阵，而 names() 不行，所以通用的代码会用 colnames()。在日常的数据框上，两者可以互换。

理解下面所有内容的关键是：重命名列就是给这个向量赋值。 基础 R 没有专门的重命名函数；你用操作任何向量时都会用的索引方式来修改 names(df)。

按位置重命名（能用，但脆弱）

按位置索引列名向量，然后赋值：

sales <- data.frame(
    prodname = c("mug", "shirt", "cap"),
    prc      = c(12.0, 22.0, 15.0),
    q        = c(3, 2, 5)
)

names(sales)[2] <- "price"
print(names(sales))
print(sales)

第 2 列现在叫 price 了。在交互式环境里快速改一下没问题，但在脚本里就是个陷阱。位置是对列顺序的一种承诺，而列顺序恰恰是导入数据中最不稳定的东西：一旦你读取的 CSV 多出一列，names(df)[2] 就会悄悄地重命名错误的列。如果脚本按位置重命名，数据结构一变它就会出错，而且没有任何错误信息。

按名字重命名（稳妥的基础 R 写法）

匹配旧名字，而不是依赖位置：

sales <- data.frame(
    prodname = c("mug", "shirt", "cap"),
    prc      = c(12.0, 22.0, 15.0),
    q        = c(3, 2, 5)
)

names(sales)[names(sales) == "prc"] <- "price"
print(names(sales))

先看内层部分：names(sales) == "prc" 会产生 FALSE TRUE FALSE，也就是列名向量上的一个逻辑掩码。用它做索引就能选出匹配的那一项，然后赋值替换它。如果 "prc" 不存在，就什么都不匹配，什么也不会改变（不会报错，所以要检查结果）。这种写法不怕列被重新排序、不怕新增列，复制粘贴到其他脚本里也照样能用。把它记住，这就是基础 R 对“重命名一列”的标准答案。

一次重命名多列

如果要给每一列都命名（导入数据后经常需要这样做），就替换整个向量；如果只重命名选中的部分列，就用 match()：

raw <- data.frame(V1 = c(1, 2), V2 = c("a", "b"), V3 = c(TRUE, FALSE))

names(raw) <- c("id", "label", "active")     # all of them, in order
print(names(raw))

df <- data.frame(prodname = c("mug"), prc = c(12.0), q = c(3))
names(df)[match(c("prc", "q"), names(df))] <- c("price", "qty")
print(names(df))

match(old, names(df)) 返回旧名字所在的位置，所以新名字会准确地放到旧名字原来的位置上，和单个名字的写法一样，不受顺序影响。如果某个旧名字不存在，match() 会返回 NA，赋值就会报错，这正是你想要的失败方式：明确地报错。

管道中用 setNames()

上面所有的写法都要分两步修改一个变量。setNames(object, names) 在一个表达式中返回重命名后的副本，这正是管道需要的：

result <- setNames(
    data.frame(c("mug", "cap"), c(12.0, 15.0)),
    c("item", "price")
)
print(result)

当某个函数返回的数据框没有列名或列名不好，而你想直接在行内修好它时，这就很方便，比如 read_something() |> setNames(c("id", "value"))，不需要临时变量。

dplyr 的方式：rename() 和 rename_with()

dplyr 的 rename() 接受 new = old 这样的配对，新名字在前，每个人都会至少弄反一次（以下是静态代码，沙盒只运行基础 R）：

library(dplyr)

sales |> rename(price = prc, qty = q)

调用中没有涉及的旧名字保持不变，而拼错的旧名字会直接报错，而不是悄悄地什么都不做，这是相对于基础 R 写法的实实在在的改进。如果要按规则而不是按配对来重命名，rename_with() 会把一个函数应用到列名上：

sales |> rename_with(toupper)                          # every column
sales |> rename_with(toupper, starts_with("p"))        # just some

这些函数如何融入 dplyr 的动词家族，请参阅 dplyr 入门。

清理导入数据中杂乱的表头

真实的 CSV 表头往往是 "Order ID"、"unit.price ($)"、"2024 Total" 这样的，名字里有空格和符号，导致到处都得用反引号括起来。基础 R 的 make.names() 能把任何字符向量转换成合法的 R 名字：

ugly <- c("Order ID", "unit price ($)", "2024 Total")

print(make.names(ugly))

合法是合法了，但也有它自己的难看之处（X2024.Total）。这就是为什么很多团队统一使用 janitor 包的 clean_names()，一次调用就能生成整齐的 snake_case（order_id、unit_price、x2024_total）：df |> janitor::clean_names()。如果你每周都要导入杂乱的文件，它立刻就能回本。

要点回顾

• 列名只是一个向量：用 names()/colnames() 读取，给它赋值就能重命名。
• names(df)[2] <- "new" 很脆弱；names(df)[names(df) == "old"] <- "new" 才是要记住的写法。
• match() 按名字重命名多列；setNames() 在管道中直接重命名。
• dplyr 的 rename(new = old) 遇到不存在的名字会报错（这是好事），rename_with() 按规则重命名。
• 处理杂乱的导入表头：基础 R 用 make.names()，想要漂亮的结果就用 janitor::clean_names()。

下一篇：排序，向量用 sort()，数据框用 order() 技巧，还有 arrange()。