在R语言中从County_and_Quarter列提取年份并新增列的问题

核心问题分析 #

你之前的代码只针对单个年份判断，当新增2014的判断时，如果直接替换或顺序错误，会导致已匹配的2013值被覆盖。更高效的方式是直接提取字符串中的四位年份，而非逐个判断。

推荐方法：正则表达式提取（简洁通用） #

利用stringr包的str_extract函数，通过正则匹配连续四位数字（对应年份格式），一次性提取所有年份：

library(dplyr)
library(stringr)

PA_State_County_Level_Sentencing_with_Year <- PA_State_County_Level_Sentencing %>%
  mutate(Year = str_extract(County_and_Quarter, "\\d{4}"))

• \\d{4}是正则表达式，专门匹配连续四位数字，完美适配你的年份格式，不管是2013、2014还是其他年份都能准确提取。

备选方法：嵌套if_else（仅作参考） #

如果必须使用条件判断，需要通过嵌套if_else确保每个年份的判断逻辑不冲突：

PA_State_County_Level_Sentencing_with_Year <- PA_State_County_Level_Sentencing %>%
  mutate(Year = if_else(str_detect(County_and_Quarter, "2013"), 
                        "2013",
                        if_else(str_detect(County_and_Quarter, "2014"), 
                                "2014",
                                # 可继续添加其他年份判断，或用正则兜底提取剩余年份
                                str_extract(County_and_Quarter, "\\d{4}"))))

注意：这种方法扩展性差，新增年份时需不断嵌套，不如正则表达式简洁。

结果验证 #

提取完成后，可通过以下命令确认年份提取是否正确：

table(PA_State_County_Level_Sentencing_with_Year$Year)

内容的提问来源于stack exchange，提问作者c.ferguson