如何用R的str_sub函数正确提取编码变量末尾1-2位数字？

问题背景 #

需要从编码变量v1（包含字符串"D018BG1"至"D018BG12"，对应编号1到12）中提取末尾的1位或2位数字。使用str_sub时遇到问题：

• 提取最后1位，两位数字的编号会丢失十位
• 提取最后2位，单数字编号会带出前面的字母

问题复现代码：

v1<-c("D018BG1","D018BG2","D018BG3","D018BG4","D018BG5","D018BG6","D018BG7","D018BG8","D018BG9",
      "D018BG10","D018BG11","D018BG12")
df<-data.frame(v1)

# 提取最后1位的问题
df %>% mutate(replicate=str_sub(v1,-1,-1))
# 提取最后2位的问题
df %>% mutate(replicate=str_sub(v1,-2,-1))

方法1：正则表达式提取（推荐） #

使用stringr包的str_extract函数，匹配字符串末尾的所有数字，无需判断长度，通用性更强：

library(dplyr)
library(stringr)

df %>%
  mutate(replicate = str_extract(v1, "\\d+$"))

运行结果：

v1 replicate
1   D018BG1         1
2   D018BG2         2
3   D018BG3         3
4   D018BG4         4
5   D018BG5         5
6   D018BG6         6
7   D018BG7         7
8   D018BG8         8
9   D018BG9         9
10 D018BG10        10
11 D018BG11        11
12 D018BG12        12

正则说明：\\d+匹配1个或多个数字，$限定匹配字符串末尾，确保只提取最后一段数字。

方法2：移除固定前缀 #

如果编码的前缀D018BG是固定不变的，直接移除前缀即可获取数字：

df %>%
  mutate(replicate = str_remove(v1, "D018BG"))

这个方法简单高效，适合前缀固定的场景。

方法3：结合str_sub与长度判断 #

如果坚持使用str_sub，可以通过字符串长度判断提取位数：

df %>%
  mutate(replicate = ifelse(str_length(v1) == 7, str_sub(v1, -1, -1), str_sub(v1, -2, -1)))

说明：单数字编码长度为7，两位数字编码长度为8，通过ifelse分支处理不同情况。

内容的提问来源于stack exchange，提问作者Marta Román