r - 在 pivot_longer 的 names_pattern 参数中为多个变量编码一个正则表达式,这些变量由前缀的存在与否来区分
问题描述
我有一个数据集,我需要 pivot_longer() 在它的列中有两种变量:数量和比例。在物种名称下输入数量,在 P 下输入比例,然后是物种名称。每行代表一小时采样周期的数据。
这是我正在使用的数据的简化版本。(编辑:我在代码中添加了另一列 RH_percent,以帮助改进正则表达式。)
#code to recreate input data
sampledata <- read_csv("date,time,RH_percent,Cx_tarsalis,Ps_columb,PCx_tarsalis,PPs_columb
2020-07-20,19:00:00,0.25,3,4,0.03,0.04
2020-07-20,20:00:00,0.5,6,8,0.06,0.08
2020-07-20,21:00:00,0.75,9,12,0.09,0.12")
#code to recreate desired output data
sampleoutput <- read_csv("date,time,RH_percent,species,quantity,P
2020-07-20,19:00:00,0.25,Cx_tarsalis,3,0.03
2020-07-20,19:00:00,0.25,Ps_columb,4,0.04
2020-07-20,20:00:00,0.5,Cx_tarsalis,6,0.06
2020-07-20,20:00:00,0.5,Ps_columb,8,0.08
2020-07-20,21:00:00,0.75,Cx_tarsalis,9,0.09
2020-07-20,21:00:00,0.75,Ps_columb,12,0.12")
我知道代码看起来像这样,并且我知道我需要在 names_pattern 参数中指定一个正则表达式:
sampledata %>% pivot_longer(cols = -c(date,time),
names_to = c(".value","species"),
names_pattern = "")
我一直在在线研究示例,包括youtube 上的 Pivoting vignette和Roger Peng 的正则表达式视频,但没有找到正确的 names_pattern 来获得我需要的输出。
一个类似的问题解决了:pivot_longer multiple variables of different kind,但是变量在列中的表示方式,以及正则表达式中的模式,与我需要的大不相同。谢谢!
解决方案
这是rename
ing的一种方法
- 通过添加后缀重命名第 3 列和第 4 列
-quantity
- 通过添加后缀重命名第 5 列和第 6 列
-P
- 使用
names_sep
as并在order中-
指定 thenames_to
species
.value
pivot_longer
library(dplyr)
library(stringr)
library(tidyr)
sampledata %>%
rename_with(~ str_c(., '-quantity'), 3:4) %>%
rename_with(~ str_c(str_remove(., '^P'), '-P'), 5:6) %>%
pivot_longer(cols = -c(date,time),
names_to = c("species", ".value"),
names_sep = "-")
-输出
# A tibble: 6 x 5
date time species quantity P
<date> <time> <chr> <dbl> <dbl>
1 2020-07-20 19:00 Cx_tarsalis 3 0.03
2 2020-07-20 19:00 Ps_columb 4 0.04
3 2020-07-20 20:00 Cx_tarsalis 6 0.06
4 2020-07-20 20:00 Ps_columb 8 0.08
5 2020-07-20 21:00 Cx_tarsalis 9 0.09
6 2020-07-20 21:00 Ps_columb 12 0.12
或者另一种方法只是添加一个前缀,其中列名之前只有两个字符,_
即那些是数量列'Q'。然后,在 中names_pattern
,将第一个字符 ( (.)
) 捕获为第一个捕获组,然后将其余字符 ( (.*)
) 捕获为第二个,这将表示在names_to
sampledata %>%
rename_with(~ str_c('Q', .), matches('^.._')) %>%
pivot_longer(cols = -c(date, time),
names_to = c(".value", "species"), names_pattern = "^(.)(.*)") %>%
rename(quantity = Q)
# A tibble: 6 x 5
date time species quantity P
<date> <time> <chr> <dbl> <dbl>
1 2020-07-20 19:00 Cx_tarsalis 3 0.03
2 2020-07-20 19:00 Ps_columb 4 0.04
3 2020-07-20 20:00 Cx_tarsalis 6 0.06
4 2020-07-20 20:00 Ps_columb 8 0.08
5 2020-07-20 21:00 Cx_tarsalis 9 0.09
6 2020-07-20 21:00 Ps_columb 12 0.12
更新
使用 OP 的新数据集,默认使用ignore.case = FALSE
inmatches
TRUE
sampledata %>%
rename_with(~ str_c('Q', .), matches('^[A-Z][a-z]_[a-z]',
ignore.case = FALSE)) %>%
pivot_longer(cols = -c(date, time, RH_percent),
names_to = c(".value", "species"), names_pattern = "^(.)(.*)") %>%
rename(quantity = Q)
-输出
# A tibble: 6 x 6
date time RH_percent species quantity P
<date> <time> <dbl> <chr> <dbl> <dbl>
1 2020-07-20 19:00 0.25 Cx_tarsalis 3 0.03
2 2020-07-20 19:00 0.25 Ps_columb 4 0.04
3 2020-07-20 20:00 0.5 Cx_tarsalis 6 0.06
4 2020-07-20 20:00 0.5 Ps_columb 8 0.08
5 2020-07-20 21:00 0.75 Cx_tarsalis 9 0.09
6 2020-07-20 21:00 0.75 Ps_columb 12 0.12
推荐阅读
- excel - 将 XML 数据批量导出到 Excel 电子表格
- apache-spark - Spark如何按顺序加载有序parquet分区文件?
- python - 将可执行代码添加到我的 wxpython gui 文本框
- jira - 显示任务中每个子任务的标签字段
- powerbi - 如何使用关键字列表过滤 Power BI 表(在其他表的列中)
- php - Laravel Carbon,如何获取两个日期范围之间的所有日期?
- azure - 如何在身份验证和授权配置中添加范围
- python - BS4 仅打印网页的某些部分的问题
- javascript - 如何用一行代码过滤和修改对象数组?
- javascript - 无法在 Vuejs 中获得猫鼬查询的响应,但可以使用邮递员请求