使用case_when基于子串生成新列出错及优化方法咨询

1. 错误原因分析 #

你的代码存在两个关键问题：

• 变量名拼写错误：你创建的DataFrame叫df，但后续mutate时误用了未定义的test变量，应该写成df %>% mutate(...)。
• 匹配逻辑错误：case_when中使用length(grep('./1', df$filename)) > 0是判断整个列是否存在匹配./1的元素，只要列里有一个符合，这个条件就会返回TRUE。因为你的数据里确实有./1开头的行，所以第一个条件对所有行都成立，导致所有filenum都被赋值为1。

正确的逻辑应该是逐行判断当前行的filename是否匹配，要用grepl（返回与原列长度一致的逻辑向量，每一行对应一个判断结果），而不是grep（返回匹配元素的位置索引，length统计的是整个列的匹配总数）。

修正后的代码如下：

library(tidyverse)
filename <- c('./1_test1', './1_test2', 
              './2_test1', './2_test2', 
              './3_test1', './3_test2')
df <- data.frame(filename)
df <- df %>% mutate(filenum = case_when(
  grepl('./1', filename) ~ 1,
  grepl('./2', filename) ~ 2,
  grepl('./3', filename) ~ 3
))

运行后就能得到预期结果：

filename filenum
1 ./1_test1       1
2 ./1_test2       1
3 ./2_test1       2
4 ./2_test2       2
5 ./3_test1       3
6 ./3_test2       3

2. 更高效的子串提取方法 #

针对从固定格式字符串中生成新列的需求，有几种更简洁的方法：

方法一：直接提取数字（推荐） #

如果你的filename格式固定为./数字_xxx，可以用str_extract直接提取数字部分，无需多条件判断：

df <- df %>% mutate(filenum = as.integer(str_extract(filename, "\\d")))

这里\\d是正则表达式，匹配单个数字，str_extract会提取第一个匹配的数字，再转成整数类型，结果和预期一致。

方法二：用str_detect替代grepl（tidyverse风格） #

str_detect是tidyverse原生的字符串判断函数，写法更统一：

df <- df %>% mutate(filenum = case_when(
  str_detect(filename, './1') ~ 1,
  str_detect(filename, './2') ~ 2,
  str_detect(filename, './3') ~ 3
))

方法三：基于文件路径拆分 #

如果是处理文件路径，也可以先去掉路径前缀，再拆分字符串：

df <- df %>% 
  mutate(basename = basename(filename),
         filenum = as.integer(str_split(basename, "_", simplify = TRUE)[,1]))

内容的提问来源于stack exchange，提问作者Nemo