R语言pivot_longer的names_pattern匹配两位数波次编号问题

问题原因 #

你的正则表达式(.*)(\\d+)$使用了贪婪匹配规则，.*会优先匹配尽可能长的字符：

• 对于Age1到Age9的列名，.*匹配Age，\\d+匹配末尾的1-9，拆分逻辑正常
• 对于Age10到Age13的列名，.*会把Age1作为第一分组匹配结果，仅把末尾的0/1/2/3分到波次分组，因此会额外生成Age1列，同时出现错误的波次值0等。

解决方法 #

调整names_pattern的正则表达式即可，推荐两种写法：

写法1：使用非贪婪匹配 #

在.*后加?开启非贪婪匹配，让第一分组尽可能短的匹配，把末尾所有数字都留给波次分组：

df_long <- pivot_longer(df, cols = !no_numb, 
                        names_to = c(".value", "wave"),
                        names_pattern = "(.*?)(\\d+)$")

写法2：限定第一分组仅匹配非数字字符 #

直接指定第一分组只匹配数字以外的字符，逻辑更严谨，避免后续变量名包含数字时出错：

df_long <- pivot_longer(df, cols = !no_numb, 
                        names_to = c(".value", "wave"),
                        names_pattern = "([^0-9]+)(\\d+)$")

如果需要波次直接输出为数值型，可新增names_transform参数：

df_long <- pivot_longer(df, cols = !no_numb, 
                        names_to = c(".value", "wave"),
                        names_pattern = "([^0-9]+)(\\d+)$",
                        names_transform = list(wave = as.integer))

可选优化 #

你原有代码中识别固定列的正则可以简化，开头的*无实际匹配作用，修改后逻辑更清晰：

no_numb <- grep("[A-Za-z]$", names_test)

转换效果 #

修正后输出的长表每个ID对应13行，仅保留1个Age列，wave列取值为1-13的波次编号，不会再出现拆分错误的Age1列。

内容的提问来源于stack exchange，提问作者Hi_Viz