如何在RStudio中从含文本的列提取数字至新列？

核心思路 #

利用正则表达式匹配字符串中的数字序列（适配纯数字、带符号或特殊符号包裹的数字场景），结合dplyr和stringr包实现精准提取，替换原有无法处理文本内容的ifelse逻辑。

基础场景实现（处理开头带数字的文本） #

优化你现有代码的核心逻辑，直接在mutate中提取v1列的数字到v1.1：

library(dplyr)
library(stringr)

# 原始数据
df <- data.frame(v1=c("11 because of reason x","22 but I like this"),
                 pages=c(32,45),
                 name=c("spark","python"))

# 简化复制列并生成空清洗列的逻辑
df2 <- df %>%
  mutate(across(everything(), ~ list(c(., NA))), .keep = "unused") %>%
  unnest_wider(everything(), names_sep = ".") %>%
  select(sort(names(.)))

# 提取v1中的连续数字到v1.1
df2 <- df2 %>%
  mutate(v1.1 = str_extract(v1, "\\d+") %>% as.integer())

# 查看结果
df2

代码说明：

• str_extract(v1, "\\d+")：用正则\\d+匹配字符串中第一组连续数字
• as.integer()：将提取到的文本格式数字转为整数类型

复杂格式处理（适配带特殊符号/正负号的数字） #

针对"(5+6)I think"、"-123 error"这类特殊格式，调整正则规则即可覆盖：

提取单个带符号数字 #

# 含复杂格式的示例数据
df_complex <- data.frame(v1=c("(5+6)I think", "-123 because of error", "+45 but okay"),
                         pages=c(32,45,67),
                         name=c("spark","python","r"))

df_complex2 <- df_complex %>%
  mutate(across(everything(), ~ list(c(., NA))), .keep = "unused") %>%
  unnest_wider(everything(), names_sep = ".") %>%
  select(sort(names(.))) %>%
  # 匹配带正负号的数字或纯数字
  mutate(v1.1 = str_extract(v1, "[+-]?\\d+") %>% as.integer())

# 查看结果
df_complex2

提取所有数字并拼接 #

如果需要提取字符串中的全部数字（比如"(5+6)I think"里的5和6），可以用str_extract_all实现：

df_complex2 <- df_complex2 %>%
  mutate(v1.1_all = str_extract_all(v1, "[+-]?\\d+") %>% 
           lapply(as.integer) %>% 
           sapply(paste, collapse = ","))

执行后v1.1_all列会得到"5,6"、"-123"、"+45"这类拼接结果。

简化复制列的替代方案 #

你原有用cbind手动复制列的逻辑，可替换为across+unnest_wider的组合，代码更简洁且不易出错。

内容的提问来源于stack exchange，提问作者Miguel Von Fedak