如何将含不同下划线变量名的宽DataFrame转换为长格式？

示例数据 #

example <- data.frame(
  date = as.Date(c('2001-01-01',
                   '2001-01-02',
                   '2001-01-01',
                   '2001-01-02')),
  PID_A = c(1091, 1091, 1037, 1037),
  PID_B = c(2091, 2091, 2037, 2037),
  resp_A = c(3,1,2,4),
  resp_B = c(2,4,3,1),
  xxx_connect_A = c(6,2,5,3),
  xxx_connect_B = c(5,3,6,2)
)

期望输出 #

example_solution <- data.frame(
  date = as.Date(rep(c('2001-01-01',
                       '2001-01-02'),4)),
  PID = c(1091, 1091, 2091, 2091, 1037, 1037, 2037, 2037),
  resp = c(3,1,2,4,2,4,3,1),
  xxx_connect = c(6,2,5,3,5,3,6,2)
)

问题分析 #

原尝试用pivot_longer按下划线分割，但部分变量名含多个下划线（比如xxx_connect_A），导致分割逻辑错误，无法正确提取变量主体和后缀标识（A/B）。

解决方案 #

使用pivot_longer的names_pattern参数，通过正则表达式匹配最后一个下划线后的后缀，精准区分变量主体和分组标识：

library(tidyr)

example |>
  pivot_longer(
    -date,
    names_to = c(".value", "who"),
    names_pattern = "(.*)_(A|B)$"
  ) |>
  select(-who)  # 可选：移除不需要的分组标识列，完全匹配期望输出

逻辑解释 #

• names_pattern = "(.*)_(A|B)$"：正则表达式规则为：
  • (.*)：捕获最后一个下划线前的所有字符，作为变量主体（对应.value，即生成的新列名，如PID、xxx_connect）
  • (A|B)：捕获下划线后的A/B标识，对应临时列who
• 执行select(-who)可移除临时分组列，得到与期望一致的结果。

内容的提问来源于stack exchange，提问作者jo_