在R中匹配首个下划线的正则表达式：pivot_longer列名拆分需求

示例数据 #

先构造符合需求的宽格式DataFrame：

library(tidyr)

df <- tibble(
  H198_text = c(1, 2, 3),
  K177_test = c(4, 5, 6),
  P100_find_g9 = c(7, 8, 9)
)

方案1：用names_pattern（推荐，逻辑更清晰） #

通过正则捕获组直接指定分割后的两部分内容，对应Item和Attribute列：

df_long <- df %>%
  pivot_longer(
    cols = everything(),
    names_pattern = "^([^_]+)_(.*)",
    names_to = c("Item", "Attribute"),
    values_to = "Value"
  )

正则说明：

• ^([^_]+)：捕获从开头到第一个下划线前的所有非下划线字符（即H198、K177这类内容）
• _(.*)：捕获第一个下划线之后的所有字符（即text、find_g9这类属性内容）

方案2：用names_sep匹配首个下划线 #

如果一定要用names_sep参数，可通过正向预查正则定位第一个下划线：

df_long <- df %>%
  pivot_longer(
    cols = everything(),
    names_sep = "(?<=^[^_])_",
    names_to = c("Item", "Attribute"),
    values_to = "Value"
  )

正则说明：

• (?<=^[^_])：正向预查确保下划线前是「从开头到第一个非下划线字符」的内容
• _：仅匹配满足条件的第一个下划线

为什么之前的写法可能失败？ #

如果用.*?_这类懒匹配，容易在复杂列名中出现匹配偏差；而[^_]+是贪婪匹配所有非下划线字符，能精准停在第一个下划线位置，避免过度匹配。

内容的提问来源于stack exchange，提问作者peer