宽到长的正则表达式 R

如何解决宽到长的正则表达式 R

我正在尝试使用 tidyr 将数据从宽格式转换为长格式，但也对其他选项开放。这是具有重复值的假数据集，但它与真实数据集具有相同的结构

structure(list(Category = c("Pre","Pre","post_med_1","post_med_2","post_med_2"
),Time = c(1L,2L,3L,1L,3L),Subj_1_tox = c(4.2,5,2.3,4.2,2.3),Subj_2_tox = c(23L,4L,23L,4L),Subj_3_tox = c(6,4.9,3.2,6,3.2),Subj_1_a1 = c(4.2,Subj_2_a1 = c(23L,Subj_3_a1 = c(6,3.2)),class = "data.frame",row.names = c(NA,-9L))

令我困惑的部分是如何在一次调用中将 tox 列和 a1 列转换为长格式并维护类别和时间列。首先是名称模式的正则表达式。我已经查找了正则表达式模式，但不清楚如何获取它以及如何在 1 次调用中包含 2 个不同的值列？

一次调用基本上就是这样

df_longer<-df %>% 
  pivot_longer(
    cols=contains("tox") & contains("a1"),names_to = c("subject","tox","a1"),names_pattern = "(Subj_['all_numbers') (tox and a1) "
    values_to = c("tox_value","a1"))

最终结果是 Subject(#) 位于名为 subject 的列中，而 tox 值和 a1 值位于其他列中。是否可以在一次通话中完成此操作？我也对其他解决方案持开放态度，但我正在尝试更多地学习 tidyr

最终的结果应该是这样的，但是这个部分的值不对，但其他部分是准确的。

解决方法

您可以将 names_to 和 names_pattern 用作 -

tidyr::pivot_longer(df,cols = starts_with("Subj"),names_to = c("subject",".value"),names_pattern = "(Subj_\\d+)_(.*)")

#  Category    Time subject   tox    a1
#   <chr>      <int> <chr>   <dbl> <dbl>
# 1 Pre            1 Subj_1    4.2   4.2
# 2 Pre            1 Subj_2   23    23  
# 3 Pre            1 Subj_3    6     6  
# 4 Pre            2 Subj_1    5     5  
# 5 Pre            2 Subj_2    1     1  
# 6 Pre            2 Subj_3    4.9   4.9
# 7 Pre            3 Subj_1    2.3   2.3
# 8 Pre            3 Subj_2    4     4  
# 9 Pre            3 Subj_3    3.2   3.2
#10 post_med_1     1 Subj_1    4.2   4.2
# … with 17 more rows

如果我正确理解了您的帖子，那么这可以在一行中实现。请参阅下面的我的解决方案，

# load library;
library(tidyverse)

# Store data;
tmpData <- structure(
                list(
                        Category = c(
                                "Pre","Pre","post_med_1","post_med_2","post_med_2"
                        ),Time = c(1L,2L,3L,1L,3L),Subj_1_tox = c(4.2,5,2.3,4.2,2.3),Subj_2_tox = c(23L,4L,23L,4L),Subj_3_tox = c(6,4.9,3.2,6,3.2),Subj_1_a1 = c(4.2,Subj_2_a1 = c(23L,Subj_3_a1 = c(6,3.2)
                ),class = "data.frame",row.names = c(NA,-9L)
        )

# Pivot longer;
tmpData %>% pivot_longer(cols = contains("Subj"),names_to = "subject")

如果您的列具有共同和不同的前缀，则您不一定需要 regex，就像您需要的所有列都以 Subj 开头的数据一样。因此，您可以使用 contains() 中的 dplyr。

如果我误解了您的问题，请告诉我。