如何用R拆分下划线分隔变量名提取信息并将dataframe转为长格式
R 语言实现方案
基础版(问卷名称type无额外下划线)
适配你给出的示例场景,直接按下划线拆分列名即可完成转换:
# 加载依赖包 library(tidyverse) # 构造示例数据 df <- tibble(case_name = c("Joe", "Mary", "Jane"), episode1_student_survey1_day0_Q1 = c(1, 2, 3), episode1_student_survey1_day0_Q2 = c("A", "B", "C")) # 处理代码 result <- df %>% pivot_longer( cols = -case_name, # 排除不需要拆分的标识列 names_to = c("episode", "subject", "type", "instance", "description"), names_sep = "_", # 按下划线拆分列名 values_to = "value" # 存储原单元格值的列名 )
处理后输出结果如下(你给出的目标示例存在笔误,以下为逻辑正确的对应结果):
# A tibble: 6 × 7 case_name episode subject type instance description value <chr> <chr> <chr> <chr> <chr> <chr> <chr> 1 Joe episode1 student survey1 day0 Q1 1 2 Joe episode1 student survey1 day0 Q2 A 3 Mary episode1 student survey1 day0 Q1 2 4 Mary episode1 student survey1 day0 Q2 B 5 Jane episode1 student survey1 day0 Q1 3 6 Jane episode1 student survey1 day0 Q2 C
兼容版(问卷名称type包含额外下划线)
如果type字段本身存在下划线分隔的额外标识,使用正则分组拆分更灵活:
result <- df %>% pivot_longer( cols = -case_name, names_to = c("episode", "subject", "type", "instance", "description"), # 正则分组规则:1.第一个下划线前内容 2.第二个下划线前内容 3.中间所有内容(含下划线) 4.倒数第二个和最后一个下划线之间内容 5.末尾内容 names_pattern = "^([^_]+)_([^_]+)_(.+)_([^_]+)_([^_]+)$", values_to = "value" )
注意事项
- 即使有5000个变量,该方法也能高效处理,无需手动逐列操作
- 若需要保留value列的原始数据类型(如数值、字符分开存储),可添加
values_transform参数自定义转换规则 - 若还有其他不需要拆分的标识列,只需在
cols = -c(case_name, 其他列名)中补充即可
内容的提问来源于stack exchange,提问作者cully_π
相关产品推荐
相关产品推荐

