求助：使用sapply函数结合ifelse条件实现特定数据清洗需求

我是apply函数的新手，需要处理数据集df的x列，规则如下：

• 若x列的值包含连字符，将连字符前的字符串补零至5位，连字符后的字符串补零至4位
• 若字符串无连字符，则设为NA

我已经在df中添加了预期结果列，但尝试的两段代码都没成功：

第一段尝试的代码：

df=data.frame(x=c("55555555","4444-444","NULL","hello","0065440006123","22-111"))%>%
  mutate(nchar=nchar(x), 
         detect=str_detect(x,"-"),
         xlcean=c(NA,"04444-0444",NA,NA,NA,"00022-0111"))
df%>%mutate(xclean=sapply(strsplit(x,"-"), function(x)
  {ifelse(detect==T,
    paste(sprintf("%05d",as.numeric(x[1])), sprintf("%04d",as.numeric(x[2])), sep="-"),NA)}))

第二段尝试的代码：

df%>%mutate(x_clean=
             if (detect==T) {sapply(strsplit(x,"-"), function(x)paste(sprintf("%05d",as.numeric(x[1])), sprintf("%04d",as.numeric(x[2])), sep="-"))}
              else {NA})

解决方案 #

问题原因分析 #

1. 第一段代码里，在sapply的匿名函数中引用detect是整个列的逻辑向量，不是当前行的判断，导致无法逐行处理；同时，对不含连字符的字符串用strsplit会得到长度为1的列表，访问x[2]会引发错误。
2. 第二段代码使用了if而非if_else，if只能处理单个逻辑值，无法对整个向量的每行进行判断。

正确代码示例 #

方法一：用case_when结合str_replace

library(dplyr)
library(stringr)

# 初始化数据集
df <- data.frame(x=c("55555555","4444-444","NULL","hello","0065440006123","22-111")) %>%
  mutate(
    x_clean_expected = c(NA,"04444-0444",NA,NA,NA,"00022-0111") # 预期结果列
  )

# 处理x列
df <- df %>%
  mutate(
    x_clean = case_when(
      # 匹配含连字符的行，捕获前后部分并补零
      str_detect(x, "-") ~ str_replace(x, "(.*)-(.*)", function(match) {
        sprintf("%05d-%04d", as.numeric(match[2]), as.numeric(match[3]))
      }),
      # 其他情况设为NA
      TRUE ~ NA_character_
    )
  )

print(df)

方法二：用str_split结合sapply逐行处理

df <- df %>%
  mutate(
    x_clean = ifelse(
      str_detect(x, "-"),
      sapply(str_split(x, "-"), function(parts) {
        # 确保分割后有两个部分，避免报错
        if(length(parts) == 2) {
          sprintf("%05d-%04d", as.numeric(parts[1]), as.numeric(parts[2]))
        } else {
          NA_character_
        }
      }),
      NA_character_
    )
  )

运行后x_clean列会和预期结果一致。

内容的提问来源于stack exchange，提问作者Ashti