R语言拆分区间格式字符串为数值的正则问题求助

你的问题出在sub的使用逻辑上——你以为它会提取捕获组的内容，但实际上sub只是替换匹配到的部分，剩下的非数字字符会残留，导致转成数值时出现NA。比如处理"[0.15,0.273]"时，原正则替换后得到的是"0.150.273]"，这显然不是纯数字，自然转不成数值。

下面给你三种可行的解决方法：

方法一：修正sub的正则（无需额外包） #

调整正则，让它匹配整个字符串，把整个内容替换成捕获到的数字部分：

test_bins <- c("[0.15,0.273]", "(0.273,0.397]", "(0.397,0.52]", "[0.52,0.643]")

lower_values <- as.numeric(sub("^[\\(\\[]([0-9.]+),.*$", "\\1", test_bins))
upper_values <- as.numeric(sub("^.*,([0-9.]+)[\\)\\]]$", "\\1", test_bins))

data.frame(test_bins, lower_values, upper_values)

运行后输出：

test_bins lower_values upper_values
1           [0.15,0.273]         0.150        0.273
2         (0.273,0.397]         0.273        0.397
3           (0.397,0.52]         0.397        0.520
4           [0.52,0.643]         0.520        0.643

方法二：用stringr包提取捕获组（更直观） #

stringr的str_match可以直接提取正则捕获组的内容，不需要替换整个字符串：

library(stringr)

lower_values <- as.numeric(str_match(test_bins, "^[\\(\\[]([0-9.]+),")[, 2])
upper_values <- as.numeric(str_match(test_bins, ",([0-9.]+)[\\)\\]]$")[, 2])

data.frame(test_bins, lower_values, upper_values)

方法三：用tidyr拆分数据框（最适合管道操作） #

如果是在dplyr管道里处理数据框，用separate一步拆分，再清理符号，代码更简洁：

library(dplyr)
library(tidyr)

# 模拟你的数据框
test_df <- tibble(bin = c("[0.15,0.273]", "(0.273,0.397]", NA, "(0.397,0.52]", "[0.52,0.643]"))

test_df %>%
  filter(!is.na(bin)) %>%
  separate(bin, into = c("lower", "upper"), sep = ",", remove = FALSE) %>%
  mutate(
    lower = as.numeric(str_remove_all(lower, "^[\\(\\[]")),
    upper = as.numeric(str_remove_all(upper, "[\\)\\]]$"))
  )

输出结果会保留原bin列，同时生成正确的lower和upper数值列。

内容的提问来源于stack exchange，提问作者Megan S