如何掌握pivot_longer的names_pattern参数分组功能并实现数据转换

你的原有代码无法得到预期结果，核心问题出在names_pattern的规则设置：

1. 正则匹配范围错误：你写的[a-z]+仅能匹配纯小写字符，而你的列名均以大写字母开头，完全无法命中捕获规则
2. 分组逻辑不符合列名结构：你的列名规则为<分组标识>_Ideology、<分组标识>_Ideology_se，你需要将第一个下划线前的内容提取为Variable列的取值，后半部分提取为新的列名

library(tidyr)
library(dplyr)

df %>%
  pivot_longer(
    cols = everything(),
    names_to = c("Variable", ".value"),
    names_pattern = "^(\\w+)_(Ideology|Ideology_se)$",
    names_transform = list(.value = ~ sub("Ideology_se", "se", .x))
  )

运行后输出结果如下（你示例输出中的0.54、0.005为笔误，实际结果与原始输入数据一致）：

# A tibble: 2 × 3
  Variable   Ideology    se
  <chr>         <dbl> <dbl>
1 Weighted      0.514 0    
2 Unweighted    0.51  0.004

names_pattern的捕获组数量需要和names_to的长度完全对应，每组捕获的内容按顺序匹配names_to的元素：

• 第一个捕获组(\\w+)匹配列名第一个下划线前的所有字符，对应names_to的第一个元素Variable，捕获到的Weighted、Unweighted会作为Variable列的取值
• 第二个捕获组匹配列名后半段的指标标识，对应names_to里的特殊标记.value：捕获到的Ideology、Ideology_se会作为新的列名，names_transform参数负责把Ideology_se替换为你需要的se列名

内容的提问来源于stack exchange，提问作者spindoctor