如何在R中对dataframe列按不同长度截取子串并转为数值类型

需要在R的dataframe中新增一列，提取现有字符串列中第一个空格前的字符，并转换为数值类型。

当前数据示例 #

HH_ID <- c("A123", "B123", "C123")
HH_MEMBERS <- c("12 Members","8 Members","14 Members")

df <- data.frame(HH_ID, HH_MEMBERS)

print(df)

输出：

HH_ID       HH_MEMBERS
1       A123        12 Members
2       B123         8 Members
3       C123        14 Members

期望结果 #

HH_ID       HH_MEMBERS   NEW_MEMBERS
1       A123        12 Members     12
2       B123         8 Members      8
3       C123        14 Members     14

之前尝试用substring(col_name, 1,1)，但只能提取单个字符，无法捕获多位数字。

解决方法 #

方法1：Base R原生实现

用sub结合正则表达式匹配首个空格前的内容，再转为数值：

df$NEW_MEMBERS <- as.numeric(sub(" .*", "", df$HH_MEMBERS))

• 原理：sub(" .*", "", x)会将字符串中第一个空格及后续所有内容替换为空，仅保留空格前的部分；as.numeric()将提取出的字符串转为数值类型。

方法2：使用stringr包提取数字

若习惯tidyverse生态，用stringr精准提取开头的数字：

library(stringr)
df$NEW_MEMBERS <- as.numeric(str_extract(df$HH_MEMBERS, "^\\d+"))

• 原理：^\\d+是正则表达式，匹配字符串开头的一个或多个数字，直接提取目标内容后转数值。

方法3：用tidyr拆分列

通过separate直接拆分原列并自动转换类型：

library(tidyr)
df <- separate(df, HH_MEMBERS, into = c("NEW_MEMBERS", "Members"), sep = " ", convert = TRUE)

• 原理：按空格拆分HH_MEMBERS为两列，convert = TRUE参数会自动识别数字并转为数值类型；若不需要拆分出的"Members"列，可后续用select(-Members)删除。

内容的提问来源于stack exchange，提问作者Apurva Harsh