我遇到了一个问题，我编译数据集从多个来源，其中他们有相同类型的数据，我需要的，但列名不同！所以我试图找出如何编译所有这些数据在一个单一的函数，我可以选择我想要的列名基于排名系统，因为列名不同，我想包括。
虽然我不知道如何为这个特定的问题创建一个合适的可重复的例子，但我想出了这个数据集，它包含三个变量相似但名称不同的 Dataframe ，目标是创建一个排名系统，为它选择（或重命名）变量。
作为示例，如果数据集1具有Temp 1、Temp 2、Temp 3和Temp 4;dataset 2有T_1_1_1、T_1_1_2、T_1_1_3和T_1_1_4，我想先选择“Temp 1”和“T_1_1_1”。假设其他数据集可能有这些或其他变量名称的混合（将有多个以“T”开头的变量）。
我正在编译来自100多个数据集的数据，所以可变性是我面临的一个问题。
更具体地说，我想创建某种排序系统来选择列名，基于下面的示例：
选择最接近T_1_1_1的值，首先从变量中选择，格式如下：第1_1次植入、第1_2次植入、第1_3次植入、第1_4次植入、第1_5次植入
选择最接近Temp 1的值，首先使用以下格式的变量：温度1、温度2、温度3、温度4
使用以下格式首先从变量中选择最接近P的值：第1页、第1页、第2页、第3页、第4页、第5页、第6页、第7页
选择最接近P_FI_1的值，首先从变量中选择，格式如下：P_FI_1、P_FI_2、P_FI_3、P_FI_4、P_FI_5、P_FI_6、P_FI_7、
我想我需要dplyr中的一些内容，其中rename_at（）带有any_of（）（如下所示：https://dplyr.tidyverse.org/reference/rename.html），但我不确定如何让它对我的特定问题起作用。
任何帮助将不胜感激！

library(dplyr)

#Dataset 1
dataset1 <- as_tibble(iris) # so it prints a little nicer

#goal: have it pull Temp1, P3, S2_1 out of all possible options
dataset1$Temp1 <- sample(50, size = nrow(dataset1), replace = TRUE)
dataset1$Temp2 <- sample(50, size = nrow(dataset1), replace = TRUE)
dataset1$Temp3 <- sample(50, size = nrow(dataset1), replace = TRUE)
dataset1$Temp4 <- sample(50, size = nrow(dataset1), replace = TRUE)

dataset1$P6 <- sample(50, size = nrow(dataset1), replace = TRUE)
dataset1$P7 <- sample(50, size = nrow(dataset1), replace = TRUE)
dataset1$P3 <- sample(50, size = nrow(dataset1), replace = TRUE)
dataset1$P4 <- sample(50, size = nrow(dataset1), replace = TRUE)

#Dataset #2
dataset2 <- as_tibble(iris) # so it prints a little nicer

#goal: have it pull T_1_1, P_FI_3, S_1_6 out of all possible options
dataset2$T_1_1 <- sample(50, size = nrow(dataset2), replace = TRUE)
dataset2$T_1_2 <- sample(50, size = nrow(dataset2), replace = TRUE)
dataset2$T_1_3 <- sample(50, size = nrow(dataset2), replace = TRUE)
dataset2$T_1_4 <- sample(50, size = nrow(dataset2), replace = TRUE)

dataset2$P_FI_6 <- sample(50, size = nrow(dataset2), replace = TRUE)
dataset2$P_FI_7 <- sample(50, size = nrow(dataset2), replace = TRUE)
dataset2$P_FI_3 <- sample(50, size = nrow(dataset2), replace = TRUE)
dataset2$P_FI_4 <- sample(50, size = nrow(dataset2), replace = TRUE)

#Dataset #3
dataset3 <- as_tibble(iris)

#goal: have it pull T_1_2, P, S out of all possible options
dataset3$T_1_2 <- sample(50, size = nrow(dataset3), replace = TRUE)
dataset3$T_1_3 <- sample(50, size = nrow(dataset3), replace = TRUE)
dataset3$T_1_4 <- sample(50, size = nrow(dataset3), replace = TRUE)
dataset3$T_1_5 <- sample(50, size = nrow(dataset3), replace = TRUE)

dataset1$P <- sample(50, size = nrow(dataset1), replace = TRUE)
dataset1$P7 <- sample(50, size = nrow(dataset1), replace = TRUE)
dataset1$P6 <- sample(50, size = nrow(dataset1), replace = TRUE)
dataset1$P4 <- sample(50, size = nrow(dataset1), replace = TRUE)

#Goals - I want something like this for the end result. It can be rename or subset, whatever is easiest. 

 #I'm not sure how to create a ranking system for the column names to select from but I'm thinking something like this:
    #Select values closest to T_1_1_1 first out of variables with this format
    #T_1_1 
    #T_1_2 
    #T_1_3 
    #T_1_4 
    #T_1_5 
    
    #Select values closest to Temp1 first out of variables with this format
    #Temp1 
    #Temp2 
    #Temp3 
    #Temp4 
    
    #Select values closest to P first out of variables with this format
    #P
    #P1
    #P2
    #P3 
    #P4 
    #P5
    #P6 
    #P7 
    
    #Select values closest to P_FI_1 first out of variables with this format
    #P_FI_1
    #P_FI_2 
    #P_FI_3 
    #P_FI_4 
    #P_FI_5
    #P_FI_6 
    #P_FI_7    

#goal: have it pull Temp1, P3 out of all possible options
colnames(dataset1)
dataset1$Temperature <- dataset1$Temp1 
dataset1$Precipitation <- dataset1$P3 
colnames(dataset1)

#goal: have it pull T_1_1, P_FI_3 out of all possible options
colnames(dataset2)
dataset2$Temperature <- dataset2$T_1_1 
dataset2$Precipitation <- dataset2$P_FI_3 
colnames(dataset2)

#goal: have it pull T_1_2, P out of all possible options
colnames(dataset3)
dataset3$Temperature <- dataset3$T_1_2 
dataset3$Precipitation <- dataset3$P 
colnames(dataset3)