如何用R识别并去除标识符末尾的'-+数字'后缀生成新列

需求回顾 #

原数据集：

identifier           number
cat-123              5
green-489743         25
orange-fish5         77
red-blue123          90
dog-23               34
orange5              17
reptile              9
purple-2             11

需要生成新列identifier_edited，规则是：仅去除**标识符末尾以连字符开头、数字结尾（支持单/多位数）**的后缀，不符合该格式的标识符保持不变，最终效果：

identifier           number   identifier_edited
cat-123              5        cat
green-489743         25       green
orange-fish5         77       orange-fish5
red-blue123          90       red-blue123
dog-23               34       dog
orange5              17       orange5
reptile              9        reptile
purple-2             11       purple

解决方案：正则表达式精准匹配替换 #

核心思路是用正则表达式精准定位字符串末尾的-+任意位数数字，然后替换为空。关键正则表达式为：-\d+$

• -：匹配连字符
• \d+：匹配1个及以上数字（覆盖单/多位数）
• $：锚定字符串结尾，确保只替换末尾的符合规则部分

1. Python Pandas 实现

import pandas as pd

# 构造或读取你的数据集
df = pd.DataFrame({
    'identifier': ['cat-123', 'green-489743', 'orange-fish5', 'red-blue123', 'dog-23', 'orange5', 'reptile', 'purple-2'],
    'number': [5, 25, 77, 90, 34, 17, 9, 11]
})

# 生成新列
df['identifier_edited'] = df['identifier'].str.replace(r'-\d+$', '', regex=True)

# 查看结果
print(df)

2. SQL 实现（支持MySQL/PostgreSQL等）

SELECT 
    identifier,
    number,
    REGEXP_REPLACE(identifier, '-\d+$', '') AS identifier_edited
FROM your_table_name;

效果验证 #

运行上述代码后，会精准匹配并去除cat-123、green-489743这类末尾的-多位数后缀，而orange-fish5（数字前无连字符）、red-blue123（数字前是字母而非连字符）这类不符合规则的标识符会完全保留。

内容的提问来源于stack exchange，提问作者bziggy