R语言使用pivot_longer()转换多列生存数据为长格式的问题

需求说明 #

• 原始宽表字段：Time（时间）、Cohort1/Cohort2（两个队列的生存概率）、C1Lower95/C1Upper95（队列1的95%CI上下限）、C2Lower95/C2Upper95（队列2的95%CI上下限）
• 目标长表字段：Time、Cohort（队列标识）、Survival（生存概率）、Lower95（95%CI下限）、Upper95（95%CI上限），用于ggplot2绘制生存曲线

原有写法错误点 #

• 第一次尝试错误：未配置列名拆分规则，直接将所有非Time列转为单列值，无法自动区分生存概率、CI上下限三类不同指标，输出结构错位。
• 第二次尝试错误：一是read_excel函数多写了一个skip参数存在语法错误；二是重命名列时规则不统一，没有将「指标类型」「队列标识」设置为可拆分的两个维度，导致.value参数无法正确匹配值对应的字段。

正确实现代码 #

方法1：正则匹配法（无需修改初始列重命名逻辑） #

利用列名固定规律通过正则提取信息，不需要调整第一步写的列重命名规则，直接运行即可：

library(tidyr)
library(dplyr)
library(ggplot2)
library(readxl)

# 数据读取与初始重命名（修正原代码语法错误即可）
km_curve <- read_excel("/Users/xxx/Desktop/dataset for reshape test.xlsx", skip = 1) %>% 
  transmute(
    Time = `Time (Days)`, 
    Cohort1 = `Cohort 1: Survival Probability`,
    Cohort2 = `Cohort 2: Survival Probability`, 
    C1Lower95 = `Cohort 1: Survival Probability 95 % CI Lower`, 
    C1Upper95 = `Cohort 1: Survival Probability 95 % CI Upper`, 
    C2Lower95 = `Cohort 2: Survival Probability 95 % CI Lower`, 
    C2Upper95 = `Cohort 2: Survival Probability 95 % CI Upper`
  ) 

# 核心宽转长逻辑
km_long <- km_curve %>%
  pivot_longer(
    cols = -Time,
    names_to = c("Cohort", ".value"),
    # 正则匹配列名规则：提取队列编号、指标后缀两个部分
    names_pattern = "^C(?:ohort)?(\\d)(.*)$",
    # 对提取到的内容做标准化映射
    names_transform = list(
      Cohort = ~paste0("Cohort", .x),
      .value = ~recode(.,
                       "" = "Survival",
                       "Lower95" = "Lower95",
                       "Upper95" = "Upper95")
    )
  )

*代码逻辑说明：正则^C(?:ohort)?(\\d)(.*)$会匹配所有以C开头的指标列，不管C后面是ohort加数字，还是直接跟数字加CI后缀，自动捕获数字作为队列编号，剩余后缀作为指标类型，无后缀的列自动识别为生存概率值。

方法2：规范命名分隔符法（逻辑更适合新手理解） #

重命名列时严格遵循指标名_队列名的统一规则，通过下划线直接拆分，不需要写正则：

km_curve <- read_excel("/Users/xxx/Desktop/dataset for reshape test.xlsx", skip = 1) %>% 
  transmute(
    Time = `Time (Days)`, 
    # 所有指标列统一命名为「指标类型_队列编号」格式
    Survival_Cohort1 = `Cohort 1: Survival Probability`,
    Survival_Cohort2 = `Cohort 2: Survival Probability`, 
    Lower95_Cohort1 = `Cohort 1: Survival Probability 95 % CI Lower`, 
    Upper95_Cohort1 = `Cohort 1: Survival Probability 95 % CI Upper`, 
    Lower95_Cohort2 = `Cohort 2: Survival Probability 95 % CI Lower`, 
    Upper95_Cohort2 = `Cohort 2: Survival Probability 95 % CI Upper`
  ) 

km_long <- km_curve %>%
  pivot_longer(
    cols = -Time,
    names_to = c(".value", "Cohort"),
    names_sep = "_"
  )

后续绘图参考 #

转换完成的长表可直接用于绘制带置信区间的生存曲线：

ggplot(km_long, aes(x = Time, y = Survival, color = Cohort, fill = Cohort)) +
  geom_line(linewidth = 1) +
  geom_ribbon(aes(ymin = Lower95, ymax = Upper95), alpha = 0.2, color = NA) +
  scale_x_continuous(name = "随访时间（天）") +
  scale_y_continuous(name = "生存概率", limits = c(0,1)) +
  theme_bw()

内容的提问来源于stack exchange，提问作者DH617