如何在pivot_longer中结合names_pattern使用正则表达式整理数据

针对你提供的宽格式数据框，要转换为目标长格式，pivot_longer完全适用，关键是正确使用正则表达式拆分列名中的指标类型和时间索引。以下是具体实现步骤：

1. 核心思路 #

你的列名分为三类：

• Weight_t1/t2/...：体重指标，时间后缀为t+数字
• year1/2/...：年份指标，时间后缀为数字
• LENGTHt1/t2/...：身高指标，时间后缀为t+数字

需要统一提取出指标名称和时间数字，利用tidyr的.value特殊参数，直接将同一时间点的三个指标合并为一行。

2. 完整代码 #

library(tidyr)
library(dplyr)

# 你的原始数据框
ID <- c("A01","B20","C3","D4")
Nb_data <- c(2,2,2,3)
Weight_t1 <- c(70,44,98,65)
Weight_t2 <- c(75,78,105,68)
Weight_t3 <- c(72,52,107,NA)
year1 <- c(20,28,32,50)
year2 <- c(28,32,35,60)
year3 <- c(29,35,38,NA)
LENGTHt1 <- c(175,155,198,165)
LENGTHt2 <- c(175,155,198,163)
LENGTHt3 <- c(176,154,198,NA)
df <- data.frame(ID,Nb_data,Weight_t1,Weight_t2,Weight_t3,year1,year2,year3,LENGTHt1,LENGTHt2,LENGTHt3)

# 转换为目标长格式
df_final <- df %>%
  pivot_longer(
    cols = -c(ID, Nb_data),  # 保留ID和Nb_data列
    names_to = c(".value", "time"),  # .value表示第一组是列名，第二组是时间索引
    names_pattern = "(Weight|year|LENGTH)(t?\\d+)",  # 正则拆分：第一组是指标，第二组是时间（t可选+数字）
    values_drop_na = TRUE  # 移除含NA的行
  ) %>%
  rename(Year = year, Length = LENGTH) %>%  # 统一列名大小写，匹配目标格式
  arrange(ID, time) %>%  # 按ID和时间排序
  select(ID, Nb_data, Weight, Year, Length)  # 调整列顺序

# 查看结果
print(df_final)

3. 代码解释 #

• names_pattern = "(Weight|year|LENGTH)(t?\\d+)"：正则表达式捕获两个组，第一组匹配指标名称，第二组匹配时间部分（t?表示可选的t，\\d+匹配1个以上数字）。
• names_to = c(".value", "time")：.value是pivot_longer的特殊参数，指定第一组捕获的内容作为新的列名（即Weight、year、LENGTH），第二组作为时间分组列。
• 后续的rename和select是为了统一列名格式，和目标输出对齐。

4. 输出结果示例 #

运行代码后，会得到如下格式的结果（和你提供的目标格式一致）：

内容的提问来源于stack exchange，提问作者Nic