R语言多列名数据框宽转长：pivot_longer使用难题求解

针对你的宽格式答题数据，用tidyverse的pivot_longer就能完成转换，核心是通过正则表达式提取题目前缀，同时匹配对应的四类字段。以下是具体步骤：

1. 模拟你的数据结构 #

先模拟一份和你描述一致的宽格式数据（假设包含用户ID列）：

library(tidyverse)

set.seed(123)
df_wide <- tibble(
  id = 1:30,
  # 心血管题的四类列
  cardiology_timestamp = sample(seq(as.POSIXct("2024-01-01"), as.POSIXct("2024-01-30"), by = "hour"), 30),
  cardiology = sample(c("A", "B", "C", "D"), 30, replace = TRUE),
  cardiology_key = rep("B", 30),
  cardiology_complete = rep(TRUE, 30),
  # 营养学题的四类列
  nutrition_timestamp = sample(seq(as.POSIXct("2024-01-01"), as.POSIXct("2024-01-30"), by = "hour"), 30),
  nutrition = sample(c("True", "False"), 30, replace = TRUE),
  nutrition_key = rep("True", 30),
  nutrition_complete = rep(TRUE, 30),
  # 药理学题的四类列
  pharmacology_timestamp = sample(seq(as.POSIXct("2024-01-01"), as.POSIXct("2024-01-30"), by = "hour"), 30),
  pharmacology = sample(c(1,2,3), 30, replace = TRUE),
  pharmacology_key = rep(2, 30),
  pharmacology_complete = sample(c(TRUE, FALSE), 30, replace = TRUE)
)

2. 转换为长格式 #

用pivot_longer配合正则表达式提取题目信息：

df_long <- df_wide %>%
  pivot_longer(
    cols = -id, # 保留不需要转换的列（比如用户ID）
    names_to = c("Question", ".value"),
    # 正则表达式：提取前缀 + 匹配四类后缀（空后缀对应作答答案列）
    names_pattern = "^(.*?)(_timestamp|_key|_complete)?$",
    values_drop_na = TRUE # 可选：移除缺失值
  ) %>%
  # 重命名列到你需要的字段名
  rename(
    Timestamp = `_timestamp`,
    Response = ``, # 空字符串对应原作答答案列（无后缀的列）
    Key = `_key`,
    Complete = `_complete`
  ) %>%
  # 调整列顺序（可选）
  relocate(Question, Timestamp, Response, Key, Complete, .after = id)

关键参数解释 #

• names_to = c("Question", ".value")：把列名拆成两部分，第一部分存为Question字段，第二部分作为新的列名（对应Timestamp/Response/Key/Complete）。
• names_pattern的正则逻辑：
  • ^(.*?)：非贪婪匹配列名的前缀（比如cardiology、nutrition），作为题目标识。
  • (_timestamp|_key|_complete)?：可选匹配三类后缀，空后缀对应原作答答案列（无后缀的列）。

注意事项 #

• 如果你的数据里有其他不需要转换的列（比如用户基本信息），在cols参数里用-列名排除即可。
• 如果前缀里包含下划线，需要调整正则表达式（比如把.*?改成[^_]+，但你描述的前缀是无下划线的，所以当前正则足够）。

内容的提问来源于stack exchange，提问作者Blair W