R语言中对含Wave字段的数据框按数字升序排序及NA警告解决

我的数据框中Wave字段格式为“Wave X - 日期”，需要按Wave后的数字（2到31）升序排列。

最初生成数据框的代码：

mean_values <- Trial %>% 
  group_by(Wave) %>%
  summarise(mean_B = mean(Weight_Answer, na.rm = TRUE))

但数据没有按数字自动排序，于是尝试添加排序代码：

mean_values <- Trial %>%
  group_by(Wave) %>%
  summarise(mean_B = mean(Weight_Answer, na.rm = TRUE)) %>%
  arrange(as.numeric(gsub("Wave ", "", Wave)))

运行后出现警告：

Warning message:
There was 1 warning in arrange().
ℹ In argument: ..1 = as.numeric(gsub("Wave ", "", Wave)).
Caused by warning:
! NAs introduced by coercion

警告原因 #

这个警告的意思是：用gsub("Wave ", "", Wave)处理Wave字段后，得到的字符串包含非数字内容（比如“X - 日期”里的“ - 日期”部分），把这些字符串转成数字时，无法转换的部分就变成了NA，arrange函数遇到NA值就会抛出这个警告。

解决办法 #

核心是精准提取Wave字段里的数字部分，下面提供两种可行方案：

方案1：用stringr包提取数字

先确保安装并加载stringr包，用str_extract直接匹配字符串中的连续数字：

library(dplyr)
library(stringr)

mean_values <- Trial %>%
  group_by(Wave) %>%
  summarise(mean_B = mean(Weight_Answer, na.rm = TRUE)) %>%
  arrange(as.numeric(str_extract(Wave, "\\d+")))

str_extract(Wave, "\\d+")会从“Wave X - 日期”中提取出纯数字X，转换为数值后就能正常排序。

方案2：用base R正则提取数字

如果不想额外加载包，用sub配合正则表达式捕获数字部分：

mean_values <- Trial %>%
  group_by(Wave) %>%
  summarise(mean_B = mean(Weight_Answer, na.rm = TRUE)) %>%
  arrange(as.numeric(sub("Wave (\\d+) - .*", "\\1", Wave)))

正则表达式"Wave (\\d+) - .*"会匹配整个Wave字符串，并用\\1提取出括号内的数字部分，转换为数值后即可正确排序。

验证方法 #

可以先检查提取的数字是否存在NA，确认没问题后再排序：

# 用方案1的方法验证
mean_values %>% mutate(wave_num = as.numeric(str_extract(Wave, "\\d+"))) %>% pull(wave_num)

如果输出全是数字没有NA，说明提取成功，排序就不会再出现警告。

内容的提问来源于stack exchange，提问作者Connor McMullan