R语言pivot_longer中names_pattern正则表达式失效问题排查

问题背景 #

处理分性别的人口普查宽表数据，需转为长表获取sex、age_range、count三列。列名格式示例：

• "Females: Aged 4 years and under [note 12]"
• "Males: Aged 90 years and over [note 12]"

尝试names_pattern参数未成功，目前通过names_sep结合字符串处理函数实现，希望直接在pivot_longer内完成拆分。

解决方案 #

核心问题分析 #

之前的正则匹配失败，主要是分隔符的空格未匹配准确，或未处理列名末尾的注释内容。列名中的固定分隔符是: Aged （冒号后、Aged后均有空格），需在正则中精准对应。

方案1：保留注释的拆分 #

如果需要保留age_range中的注释内容，使用以下代码：

sex_age_areapiv <- pivot_longer(
  sex_age_area, 
  cols = 4:41,
  names_to = c("sex", "age_range"),
  # 精准匹配分隔符的空格，捕获性别和完整年龄描述（含注释）
  names_pattern = "(.*): Aged (.*)",
  values_to = "count"
)

方案2：移除注释的拆分 #

若需得到干净的年龄范围（去掉[note xx]注释），使用非贪婪匹配处理：

sex_age_areapiv <- pivot_longer(
  sex_age_area, 
  cols = 4:41,
  names_to = c("sex", "age_range"),
  # 精准匹配性别，非贪婪捕获年龄范围，忽略末尾注释
  names_pattern = "(Females|Males): Aged (.*?)\\s*\\[.*\\]",
  values_to = "count"
)

正则说明 #

• (Females|Males)：精准匹配性别，避免.*贪婪匹配到多余内容
• : Aged ：严格匹配列名中的固定分隔符（含空格）
• (.*?)：非贪婪匹配年龄范围内容，直到遇到注释前的空格
• \\s*\\[.*\\]：匹配并忽略末尾的注释部分（空格+[note xx]）

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