带有正则表达式的 Pivot_longer 用于 names_pattern 中的两位数答案

【问题标题】：Pivot_longer with regex for two-digit numbers in names_pattern带有正则表达式的 Pivot_longer 用于 names_pattern 中的两位数
【发布时间】：2021-11-23 14:31:59
【问题描述】：

我有一个大型的宽格式数据集，其中包含在多个波测量的许多变量，每个变量波组合（例如age1、age2、age3、age4）有一列，以及一些时间固定的变量（例如 ID、性别）。旋转后，我希望每个变量都由一个列表示，旁边是一个新的“波浪”列。

它工作得几乎完美，只是我无法在同一列中表示第 1-9 波和第 10-13 波。

df <- data.frame(
  ID = c(10001,10002),
  Sex = c(1,2),
  Age1 = c(73,25),
  Age2 = c(74,26),
  Age3=c(75,27),
  Age4 = c(76,28),
  Age5 = c(77,29),
  Age6=c(78,30),
  Age7 = c(79,31),
  Age8 = c(80,31),
  Age9=c(81,33),
  Age10=c(82,34),
  Age11 = c(83,35),
  Age12 = c(84,36),
  Age13=c(85,37)
)

names_test<-names(df) 
no_numb<-grep("*[A-Za-z]$", names_test) #to identify all the column names ending with a letter, which I do NOT want to pivot into longer form

df_long<-pivot_longer(df,cols = !no_numb, names_to = c('.value',"wave"),
                  names_pattern = "(.*)(\\d+)$")

长数据输出：

> df_long
# A tibble: 20 x 5
      ID   Sex wave    Age  Age1
   <dbl> <dbl> <chr> <dbl> <dbl>
 1 10001     1 1        73    83
 2 10001     1 2        74    84
 3 10001     1 3        75    85
 4 10001     1 4        76    NA
 5 10001     1 5        77    NA
 6 10001     1 6        78    NA
 7 10001     1 7        79    NA
 8 10001     1 8        80    NA
 9 10001     1 9        81    NA
10 10001     1 0        NA    82
11 10002     2 1        25    35
12 10002     2 2        26    36
13 10002     2 3        27    37
14 10002     2 4        28    NA
15 10002     2 5        29    NA
16 10002     2 6        30    NA
17 10002     2 7        31    NA
18 10002     2 8        31    NA
19 10002     2 9        33    NA
20 10002     2 0        NA    34

如您所见，有一个 Age 列，它具有波 1-9 的值，还有一个 Age1 列，它具有 1、2、3 和 0 的值（即 Age10、Age11、Age12、Age13 )。我认为这里的问题是 names_to 参数或 names_pattern 参数。任何帮助将不胜感激！

【问题讨论】：

标签： r regex tidyr

【解决方案1】：

.* 是贪心的，所以它采用最大匹配字符串。你可以使用

pivot_longer(df,cols = !no_numb, names_to = c('.value',"wave"),
                  names_pattern = "(Age)(\\d+)$")

改为或通过添加 ? 使其不贪婪

pivot_longer(df,cols = !no_numb, names_to = c('.value',"wave"),
                  names_pattern = "(.*?)(\\d+)$")

# A tibble: 26 x 4
      ID   Sex wave    Age
   <dbl> <dbl> <chr> <dbl>
 1 10001     1 1        73
 2 10001     1 2        74
 3 10001     1 3        75
 4 10001     1 4        76
 5 10001     1 5        77
 6 10001     1 6        78
 7 10001     1 7        79
 8 10001     1 8        80
 9 10001     1 9        81
10 10001     1 10       82
# ... with 16 more rows

【讨论】：

非常感谢马丁！这？通配符是一个很好的解决方案，因为我可以应用到包含大量变量（不仅仅是年龄）的完整数据集，而无需手动指定它们的名称

【解决方案2】：

我们也可以将names_sep 与正则表达式环视一起使用

library(tidyr)
 pivot_longer(df, cols = starts_with('Age'), 
   names_to = c(".value", "wave"), names_sep = "(?<=[a-z])(?=[0-9])")
# A tibble: 26 × 4
      ID   Sex wave    Age
   <dbl> <dbl> <chr> <dbl>
 1 10001     1 1        73
 2 10001     1 2        74
 3 10001     1 3        75
 4 10001     1 4        76
 5 10001     1 5        77
 6 10001     1 6        78
 7 10001     1 7        79
 8 10001     1 8        80
 9 10001     1 9        81
10 10001     1 10       82
# … with 16 more rows

【讨论】：