R语言中修剪人口密度数据：提取纯数值的方法

核心需求 #

从格式如"828/km (2,140/sq mi)"的字符串中，提取/km前的数值并转换为纯数字格式（如1,102转为1102）。

可行方法 #

方法1：分步提取+清洗（逻辑清晰） #

先提取/km前的完整内容，再去除逗号并转数值：

library(stringr)

# 示例数据（替换为你的states_data$Population.Density.a.）
density_vec <- c("828/km (2,140/sq mi)", "365/km (950/sq mi)", "1,102/km (2,850/sq mi)",
                 "1,029/km (2,670/sq mi)", "236/km (610/sq mi)", "555/km (1,440/sq mi)")

# 提取开头到第一个"/"之前的所有字符（包含逗号）
extracted_part <- str_extract(density_vec, "^[^/]+")
# 去除逗号并转换为数值类型
clean_density <- as.numeric(str_replace_all(extracted_part, ",", ""))

# 查看结果
clean_density
# 输出：828  365 1102 1029  236  555

方法2：直接全局替换（简洁高效） #

用gsub直接移除所有非数字字符，再转数值：

# 直接替换所有非数字字符为空，剩余纯数字字符串转数值
clean_density <- as.numeric(gsub("[^0-9]", "", density_vec))

clean_density
# 输出：828  365 1102 1029  236  555

解决你之前str_extract的问题 #

你之前的正则[0-9]+/km只能匹配连续数字，遇到逗号就会中断，所以无法提取带逗号的完整数值。只需修改正则为匹配包含逗号的数字组合：

str_extract(density_vec, "[0-9,]+/km")
# 输出："828/km"    "365/km"    "1,102/km"  "1,029/km"  "236/km"    "555/km"

说明 #

• 方法1优势是保留提取过程的可读性，方便后续调整；
• 方法2更简洁，适合不需要保留中间格式的场景；
• 若数据框列引用报错，确认列名拼写是否正确（比如Population.Density.a.）。

内容的提问来源于stack exchange，提问作者kartik trivedi