如何基于文本字符串中的数值为R数据框新增目标列？

AI 小北

2026-6-27

解决方案

我们可以通过字符串拆分+正则提取+逐行逻辑判断实现需求，以下是完整的R代码：

# 原始数据
speech <- c("N_28.5", "CH1_20", "CH2_33.4")
overlaps <- c("Body_N_20; Hands_CH1_5", "Body_CH1_10; Hands_CH2_3", "Body_CH2_44; Hands_N_30; Hands_N_3")
df <- data.frame(speech, overlaps, stringsAsFactors = FALSE)

# 定义处理函数
process_target <- function(speech_val, overlaps_val) {
  # 提取speech中的数值并计算一半阈值
  speech_num <- as.numeric(sub(".*_", "", speech_val))
  threshold <- speech_num / 2
  
  # 拆分overlaps为单个条目
  overlap_items <- strsplit(overlaps_val, "; ")[[1]]
  
  # 遍历每个条目，判断并提取符合条件的文本
  valid_items <- sapply(overlap_items, function(item) {
    # 提取条目里的数值
    item_num <- as.numeric(sub(".*_", "", item))
    # 提取前缀文本（去掉最后一个下划线和数值）
    item_text <- sub("_\\d+\\.*\\d*$", "", item)
    # 判断是否符合条件，符合则返回文本，否则返回空
    if (item_num >= threshold) item_text else NULL
  })
  
  # 去重并合并成字符串
  paste(unique(valid_items), collapse = "; ")
}

# 应用函数生成target列
df$target <- mapply(process_target, df$speech, df$overlaps)

# 查看结果
df

代码关键部分解释：

提取speech数值：用sub(".*_", "", speech_val)匹配最后一个下划线后的内容，转成数值后计算一半作为阈值。
拆分overlaps：用strsplit按; 拆分每个overlaps条目，得到单个元素列表。
遍历判断每个条目：
- 同样用正则sub(".*_", "", item)提取每个条目的数值；
- 用sub("_\\d+\\.*\\d*$", "", item)去掉最后一个下划线及后面的数字（包括小数），得到前缀文本；
- 比较数值和阈值，符合条件则保留前缀。
去重合并：用unique去重（比如第三行的两个Hands_N），再用paste合并成字符串。