R语言多列pivot_longer优化方案求助

问题场景 #

现有如下数据集：

library(tidyr)

# 创建数据集
data <-  data.frame(
  id = 1:12,
  f51a_01 = c(1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 3, 3),
  f51a_02 = c(1, 2, 3, 6, 1, 2, 3, 4, 5, 6, 1, 6),
  f51b_01 = c(1, 1, 2, 1, 1, 1, 1, 1, 1, 1, 3, 3),
  f51b_02 = c(1, 2, 2, 6, 6, 6, 6, 6, 6, 6, 1, 6)
)

需要转换为以下长格式输出：

id  var var_01  var_02
1   f51a    1   1
1   f51b    1   1
2   f51a    1   2
2   f51b    1   2
3   f51a    1   3
3   f51b    2   2
4   f51a    1   6
4   f51b    1   6
5   f51a    2   1
5   f51b    1   6
6   f51a    2   2
6   f51b    1   6
7   f51a    2   3
7   f51b    1   6
8   f51a    2   4
8   f51b    1   6
9   f51a    2   5
9   f51b    1   6
10  f51a    2   6
10  f51b    1   6
11  f51a    3   1
11  f51b    3   1
12  f51a    3   6
12  f51b    3   6

原方案分析 #

原方案通过两次pivot_longer分别处理_01和_02结尾的列，再通过left_join合并，虽然可行，但存在重复操作，对于大数据集效率较低：

data%>%
  select(id, matches("f51[a-z]_01"))%>%
  pivot_longer(cols = -id, names_to = "var", values_to = "var_01")%>%
  mutate(var = str_extract(var, "f51[a-z]"))%>%
  left_join(data%>%
              select(id, matches("f51[a-z]_02"))%>%
              pivot_longer(cols = -id, names_to = "var", values_to = "var_02")%>%
              mutate(var = str_extract(var, "f51[a-z]")))

优化方案 #

利用tidyr::pivot_longer的names_pattern参数，一次性拆分列名并转换格式，无需多次操作和合并：

library(tidyr)
library(dplyr)

data %>%
  pivot_longer(
    cols = starts_with("f51"),  # 选择所有以f51开头的列
    names_to = c("var", ".value"),  # var存储前缀，.value指定后缀作为新列名
    names_pattern = "(f51[a-z])_(0\\d)"  # 正则拆分：捕获组1为var，捕获组2为列后缀
  ) %>%
  rename_with(~paste0("var_", .), matches("0\\d"))  # 将01/02重命名为var_01/var_02

方案说明 #

1. names_pattern正则拆分：通过正则表达式(f51[a-z])_(0\\d)，将列名拆分为两个部分：f51a/f51b（存入var列）和01/02（作为新列的名称，由.value参数指定）。
2. 一步完成转换：一次pivot_longer操作就完成了宽转长和列映射，避免了重复的select、pivot和join操作，代码更简洁，执行效率更高。
3. 列重命名：最后通过rename_with将01/02列重命名为var_01/var_02，匹配期望输出格式。

执行上述代码后，输出结果与期望完全一致。

内容的提问来源于stack exchange，提问作者Waschi Waschoi