如何在R语言的DataFrame中筛选出5位长度的数字？

问题根源：使用read.table默认读取数据时，IN列会被解析为数值型，前导零会被自动剔除（比如00441会变成441），而且你的代码里用正则处理小数部分完全没必要——数据里根本没有小数，这就是筛选失败的核心原因。

下面是两种可行的解决方法：

方法一：Base R 的 subset() #

先确保读取数据时把IN列保留为字符型，再筛选长度为5的行：

# 读取数据，指定IN列为字符型
DATA <- read.table(header=TRUE, text="
ID  IN
1   012
2   1234
3   222222
4   1359764
5   123
6   00441", colClasses = c("integer", "character"))

# 筛选IN列长度为5的行
subset(DATA, nchar(IN) == 5)

运行后会得到ID为6的行，也就是IN为00441的记录。

方法二：dplyr 的 filter() #

同样先保证IN是字符型，再用dplyr筛选：

library(dplyr)

# 读取数据（同样指定colClasses保留字符型）
DATA <- read.table(header=TRUE, text="
ID  IN
1   012
2   1234
3   222222
4   1359764
5   123
6   00441", colClasses = c("integer", "character"))

# 筛选符合条件的行
DATA %>% filter(nchar(IN) == 5)

如果已经读取了数据且IN列已被转成数值型（前导零丢失），则无法恢复前导零，只能重新读取时指定字符型。

另外，如果你要筛选的是数值本身为5位数（不管前导零，即数值在10000到99999之间），可以直接用数值判断：

# 这种情况不需要把IN设为字符型
DATA <- read.table(header=TRUE, text="
ID  IN
1   012
2   1234
3   222222
4   1359764
5   123
6   00441")

# Base R版本
subset(DATA, IN >= 10000 & IN <= 99999)
# dplyr版本
DATA %>% filter(between(IN, 10000, 99999))

不过你的示例数据里没有符合这个条件的记录，因为00441会被解析为441，属于3位数。

内容的提问来源于stack exchange，提问作者Simon Harmel