Início / coding / Perguntas / 79541860
Accepted
Dee G
Asked: 2025-03-28 23:49:37 +0800 CST

names_pattern em tidyr pivot_longer para múltiplas variáveis ​​aninhadas na coluna names

  • 772

Tenho um data frame que preciso colocar em formato longo. Aqui está uma versão simplificada do meu data frame:

df <- data.frame("UserID" = c(1:3), "ProdID" = c(1, 1, 2), "A_Q_FaultID_C_1" = c(3, 2, 4), "A_Q_FaultID_C_2" = c(8, 1, 2), "A_Q_FaultID_C_3" = c(4, 3, 9), "A_Q_FaultYear_C_1" = c(1999, 2018, 2012), "A_Q_FaultYear_C_2" = c(2002, 2008, 2024), "A_Q_FaultYear_C_3" = c(2015, 2015, 1997))

A ideia é terminar com um quadro de dados parecido com este, girando por mais tempo com base nos nomes das variáveis ​​com os IDs de usuário e produto como chaves:

df <- data.frame("UserID" = c(1:3, 1:3, 1:3), "ProdID" = c(1, 1, 2, 1, 1, 2, 1, 1, 2), "FaultID" = c(3, 2, 4, 8, 1, 2, 4, 3, 9), "FaultYear" = c(1999, 2018, 2012, 2002, 2008, 2024, 2015, 2015, 1997))

Na realidade, o quadro de dados tem muito mais linhas e muito mais colunas dentro de cada grupo de pivô, mas a convenção geral de nomenclatura para as colunas que desejo que sejam pivotadas por mais tempo é a mesma, ou seja, elas começam com "A_Q_" e terminam com " C [sequência numérica]". Observe que a sequência numérica não é necessariamente apenas um único dígito.

Aqui está minha tentativa usando a função tidyr pivot_longer:

df <- df %>%
  pivot_longer(
    cols = 3:8,
    names_to = c("FaultID", "FaultYear"),
    names_pattern = "[a-zA-Z_]+"
  )

Isso gera o erro: " regexdeve definir 2 grupos; 0 encontrado.", no entanto, testei essa regex usando os nomes das colunas e str_match e ela extrai tudo, exceto os dígitos finais, identificando exclusivamente dois grupos:

str_match(names(df)[3:8], "[a-zA-Z_]+")

     [,1]              
[1,] "A_Q_FaultID_C_"  
[2,] "A_Q_FaultID_C_"  
[3,] "A_Q_FaultID_C_"  
[4,] "A_Q_FaultYear_C_"
[5,] "A_Q_FaultYear_C_"
[6,] "A_Q_FaultYear_C_"

O que estou fazendo errado?

1 respostas

  1. Best Answer

    Para essa situação, é mais fácil usar names_to = ".value", onde ".value"é um "sentinela" especial que irá girar para múltiplas colunas com base em nomes extraídos de cols. Então, em names_pattern, você precisa incluir um padrão regex com um grupo de captura (ou seja, "()") que extrai a parte dos nomes das colunas que define as novas colunas.

    df %>%
  pivot_longer(
    cols = A_Q_FaultID_C_1:A_Q_FaultYear_C_3,
    names_to = ".value",
    names_pattern = "(Fault[a-zA-Z]+)"
  )
# # A tibble: 9 × 4
#   UserID ProdID FaultID FaultYear
#    <int>  <dbl>   <dbl>     <dbl>
# 1      1      1       3      1999
# 2      1      1       8      2002
# 3      1      1       4      2015
# 4      2      1       2      2018
# 5      2      1       1      2008
# 6      2      1       3      2015
# 7      3      2       4      2012
# 8      3      2       2      2024
# 9      3      2       9      1997

    PS - Eu recomendo fortemente usar um auxiliar tidyselect para o colsargumento (por exemplo, A_Q_FaultID_C_1:A_Q_FaultYear_C_3or starts_with("A_Q_")) em vez de um intervalo numérico como 3:8. Este último é mais propenso a erros (por exemplo, se o número ou a ordem das colunas mudar, ou apenas por contagens erradas).

    • 1

relate perguntas