使用dtplyr时，pivot_不再给出错误

我有一个很大的数据集，我正试图用dtplyr整理。它由大量（>1000）的日期-值对组成，用于不同的位置。最初的版本使用了一个pivot_，它在dplyr中运行良好，但在dtplyr中给出了一个错误。有没有办法解决这个问题，保持dtplyr的性能优势

这很有效

library(tidyverse)
library(dtplyr)
library(data.table)

my_data_tb <- tribble(
  ~`date-A`, ~`value-A`, ~`date-B`, ~`value-B`,
  "date1", 1, "date2", 2,
  "date2", 1, "date3", 2 
)

my_data_tb %>% 
  pivot_longer(
  cols = everything(),
  names_to = c(".value", "grid_square"),
  names_sep = "-"
)

---

只是一个想法：

pivot\u不再是
tidyr
动词，而不是
dplyr
动词，这可以解释为什么它没有被翻译。好吧，谢谢，我没有意识到！在这种情况下，我可能需要一个
data.table
解决方案。从表面上看：没有一个完美的答案——它指向
pivot\u longer
，在这种情况下不起作用！这应该可以让你接近：
melt（as.data.table（my_data_tb），variable.name=“grid_square”，measure.vars=patterns（date=“^date-”，value=“^value-”）
），但是是的，
A
，
B
丢失到级别索引中，尽管这是一个后验汉克斯的简单修复方法，这很好。为了完整性，我有：
#melt
我的数据\u dt%
作为.data.table（）%%
melt.data.table（度量值=模式（“^date-”，“^value-”），value.name=c（“date”，“value”）
修复变量名（方便的是，我已经有了一个变量名列表，这是我脚本前面步骤中的一个变量名列表，您也可以查看一下：并且（我自己没有测试），他们试图关闭tidyr-data.table缺口
my_data_dt <- as.data.table(my_data_tb)
my_data_dt <- lazy_dt(my_data_dt)

my_data_dt %>%
  pivot_longer(
    cols = everything(),
    names_to = c(".value", "grid_square"),
    names_sep = "-"
  )

my_data_dt %>%
  as_tibble() %>%
  pivot_longer(
    cols = everything(),
    names_to = c(".value", "grid_square"),
    names_sep = "-"
  )