时间戳

首页 > 解决方案 > 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

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。）

样本输入数据

#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")

这就是我希望我的输出看起来像的样子： 样本输出数据

#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！

标签： rregexdplyrreshapetidyr

解决方案

这是renameing的一种方法

  1. 通过添加后缀重命名第 3 列和第 4 列-quantity
  2. 通过添加后缀重命名第 5 列和第 6 列-P
  3. 使用names_sepas并在order中-指定 thenames_tospecies.valuepivot_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 = FALSEinmatchesTRUE

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