如何更改列名称以符合 mlr3 的命名约定

问题描述

我想使用许多（> 50K）标记作为特征名称来执行文本分类。然而，Task() 中的 mlr3 函数不允许在列名中包含太多字符，这些字符由 make.names 传递，否则没有问题。以下是我目前找到的列表：

  mutate(token=str_replace(token,"à","a")) %>% 
    mutate(token=str_replace(token,"ã","a")) %>%  
    mutate(token=str_replace(token,"á","ø","o")) %>%
    mutate(token=str_replace(token,"ç","c")) %>%
    mutate(token=str_replace(token,"ô","é","e")) %>% 
    mutate(token=str_replace(token,"e")) %>%   
    mutate(token=str_replace(token,"í","i")) %>% 
    mutate(token=str_replace(token,"î","è","ë","å","â","æ","ñ","n")) %>%  

如何使我的 data.frame 与 mlr3 兼容，而无需以这种方式手动替换所有特殊字符（反复试验）？ make.names() 显然不起作用！

我非常感谢您的帮助:) 谢谢！

解决方法

一种方法是使用 janitor::clean_names()

d <- data.frame(`süßigkeit` = 1:3,`straße` = 1:3,`Hellö` = 1:3,`séé` = 1:3)
janitor::clean_names(d)
#>   sussigkeit strasse hello see
#> 1          1       1     1   1
#> 2          2       2     2   2
#> 3          3       3     3   3

^{由 reprex package (v0.3.0) 于 2021 年 1 月 11 日创建}

如果您正在处理向量，而不是 data.frame 的名称，则可以使用底层函数 janitor::make_clean_names() :

make_clean_names("süßigkeit")
[1] "sussigkeit"

,

使用 janitor 包是一种选择。 Base R 还带有（不太复杂的）函数 make.names(names,unique = TRUE)，它也可以正常工作。

如果您确实需要保留原始名称，可以将实验选项 "mlr3.allow_utf8_names" 设置为 TRUE，但请注意，这可能会打扰一些学习者。