技术咨询：如何从wave_year变量提取年份前内容并创建新变量（移除末尾四位数字）

嗨～看你的需求，是要从wave_year列里去掉末尾的四位年份数字，保留前面的内容对吧？这里给你几种简单直接的方法，分Python（Pandas）和R两种常用数据分析工具来介绍：

Python（Pandas）场景 #

方法1：字符串切片（最简便） #

因为目标是固定移除最后四位，直接用字符串切片就能搞定，代码简洁高效：

df['new_variable'] = df['wave_year'].str[:-4]

举个例子：如果wave_year的值是wave2023，处理后得到wave；如果是wave0012023，结果就是wave001，完全符合你的需求。

方法2：正则表达式（适配复杂格式） #

如果你的wave_year格式偶尔有变化，正则表达式能更精准地定位末尾的四位数字并移除：

import re
df['new_variable'] = df['wave_year'].apply(lambda x: re.sub(r'\d{4}$', '', x))

这里\d{4}$的意思是匹配字符串末尾的四位数字，用空字符串替换就完成了移除操作。

R语言场景 #

方法1：字符串截取 #

基础R和stringr包都能轻松实现：

# 基础R写法
df$new_variable <- substr(df$wave_year, 1, nchar(df$wave_year)-4)

# stringr包（更直观）
library(stringr)
df$new_variable <- str_sub(df$wave_year, end = -5)

注：str_sub里的end=-5表示截取到倒数第五位，刚好去掉最后四位数字。

方法2：正则表达式 #

用gsub函数匹配并替换末尾四位数字：

df$new_variable <- gsub("\\d{4}$", "", df$wave_year)

小提示 #

如果你的wave_year列不是字符串类型，记得先转成字符串：

• Pandas：df['wave_year'] = df['wave_year'].astype(str)
• R：df$wave_year <- as.character(df$wave_year)

内容的提问来源于stack exchange，提问作者Tommasino