如何用data.table的melt实现tidyr::pivot_longer的多名称模式拆分？

你可以通过先melt转长表，再拆分变量名列的方式实现等价功能，具体代码如下：

library(data.table)

# 构造示例数据
dt <- data.table(id = 1:5, abc_123 = runif(5), def_456 = runif(5))

# 1. 将宽表转为长表，保留id列，原列名存入var列
melted_dt <- melt(dt, id.vars = "id", variable.name = "var")
# 2. 拆分var列到char和num，然后删除原var列
melted_dt[, c("char", "num") := tstrsplit(var, "_", fixed = TRUE)][, var := NULL]

运行后得到的结果和tidyr::pivot_longer完全一致：

id      value char num
 1:  1 0.XXXXXXX  abc 123
 2:  2 0.XXXXXXX  abc 123
 3:  3 0.XXXXXXX  abc 123
 4:  4 0.XXXXXXX  abc 123
 5:  5 0.XXXXXXX  abc 123
 6:  1 0.XXXXXXX  def 456
 7:  2 0.XXXXXXX  def 456
 8:  3 0.XXXXXXX  def 456
 9:  4 0.XXXXXXX  def 456
10:  5 0.XXXXXXX  def 456

关键说明： #

• melt()的patterns()参数是用来将不同模式的列映射到多个value列，而非拆分变量名，所以之前的用法不符合需求。
• tstrsplit()是data.table专门的字符串拆分函数，fixed = TRUE表示按固定字符（此处是下划线_）拆分，比正则表达式更高效；如果需要更复杂的正则匹配（对应原names_pattern），可以改用正则分隔符，比如：

  melted_dt[, c("char", "num") := tstrsplit(var, "(.*)_(.*)", perl = TRUE)[, -1]]
  

内容的提问来源于stack exchange，提问作者Ludwig