如何为R的pivot_longer设置names_pattern实现宽表转长表？

我有如下嵌套结构的宽格式数据框，希望使用R语言的pivot_longer函数将其转换为指定结构的长格式数据框，提取出variable、x和freq字段，请问应使用何种names_pattern参数？

源数据框结构：

structure(list(or = c(0, 0, 1, 1, 0, 0), agegrp = structure(list(
    x = c("<65", ">=65", "<65", ">=65", "<65", ">=65"), freq = c(10L, 
    16L, 6L, 6L, 9L, 14L)), class = "data.frame", row.names = c(NA, 
-6L)), asian = structure(list(x = c(0, 1, 0, 1, 0, 1), freq = c(15L, 
11L, 4L, 8L, 13L, 10L)), class = "data.frame", row.names = c(NA, 
-6L)), SEX = structure(list(x = c("Female", "Male", "Female", 
"Male", "Female", "Male"), freq = c(7L, 19L, 6L, 6L, 10L, 13L
)), class = "data.frame", row.names = c(NA, -6L))), row.names = c(NA, 
-6L), class = c("tbl_df", "tbl", "data.frame"))

期望得到的长表结构：

or     variable    x      freq
1      agegrp      <65    6
1      agegrp      >=65   6
1      asian       0      4
1      asian       1      8
1      SEX         Female 6
1      SEX         Male   6

解决方案 #

针对这种嵌套列的宽格式数据，可通过pivot_longer的参数组合实现转换，关键是利用names_pattern匹配嵌套列结构，具体代码如下：

library(tidyr)
library(dplyr)

# 加载源数据
df <- structure(list(or = c(0, 0, 1, 1, 0, 0), agegrp = structure(list(
    x = c("<65", ">=65", "<65", ">=65", "<65", ">=65"), freq = c(10L, 
    16L, 6L, 6L, 9L, 14L)), class = "data.frame", row.names = c(NA, 
-6L)), asian = structure(list(x = c(0, 1, 0, 1, 0, 1), freq = c(15L, 
11L, 4L, 8L, 13L, 10L)), class = "data.frame", row.names = c(NA, 
-6L)), SEX = structure(list(x = c("Female", "Male", "Female", 
"Male", "Female", "Male"), freq = c(7L, 19L, 6L, 6L, 10L, 13L
)), class = "data.frame", row.names = c(NA, -6L))), row.names = c(NA, 
-6L), class = c("tbl_df", "tbl", "data.frame"))

# 转换为长格式
long_df <- df %>%
  pivot_longer(
    cols = -or,  # 保留or列，其余列转为长格式
    names_to = "variable",  # 外层列名作为variable字段
    values_to = c("x", "freq"),  # 嵌套的x和freq对应目标字段
    names_pattern = "(.*)"  # 捕获外层列的完整名称
  ) %>%
  filter(or == 1)  # 筛选出or=1的行，匹配期望结果

# 查看结果
print(long_df)

参数说明： #

• cols = -or：指定除or列外，所有列参与格式转换。
• names_to = "variable"：将原外层列名（agegrp、asian、SEX）赋值给新字段variable。
• values_to = c("x", "freq")：每个嵌套列都包含x和freq子字段，直接指定这两个作为目标字段，pivot_longer会自动匹配嵌套列中的同名子字段。
• names_pattern = "(.*)"：正则表达式匹配外层列的完整名称，因为只需要提取外层列名作为variable，用(.*)捕获全部内容即可。

运行代码后即可得到目标长格式数据框，最后通过filter(or == 1)筛选出指定行。

内容的提问来源于stack exchange，提问作者user2272972