提取hs10变量前6位数字仅获5位的技术问题咨询

问题 #

从us_chn_tariffs_18数据集的hs10变量提取前6位数字时，部分结果仅显示5位字符，使用代码如下：

us_chn_tariffs_18$HS6 <- as.numeric(substr(format(us_chn_tariffs_18$hs10, scientific = F), 1, 6))

原因 #

核心问题出在数值类型的自动去零特性：

1. 以数据集中第一个hs10值208100000为例，format转字符串后是"208100000"，取前6位得到"208100"；
2. 但用as.numeric转换后，末尾的无效零会被自动舍弃，变成20810（5位）；
3. HS编码本质是分类标识，而非数值，转成数值类型会破坏编码的格式完整性。

另外需注意：如果hs10存在带前导零的10位编码（如0012345678），直接转数值会丢失前导零，导致提取的前6位完全错误，当前数据集虽无此情况，但这是同类处理的常见坑点。

解决办法 #

方案1：保留字符串格式（推荐） #

直接保留提取后的字符串形式，避免数值转换带来的格式丢失：

us_chn_tariffs_18$HS6 <- substr(format(us_chn_tariffs_18$hs10, scientific = F), 1, 6)

若需兼容带前导零的编码场景，可使用stringr包的str_pad补全6位：

library(stringr)
us_chn_tariffs_18$HS6 <- str_pad(
  substr(format(us_chn_tariffs_18$hs10, scientific = F), 1, 6),
  width = 6, side = "left", pad = "0"
)

方案2：数值类型+格式化显示 #

若必须使用数值类型，在查看或输出时格式化补全6位：

us_chn_tariffs_18$HS6 <- as.numeric(substr(format(us_chn_tariffs_18$hs10, scientific = F), 1, 6))
# 查看时强制显示6位数字
sprintf("%06d", us_chn_tariffs_18$HS6)

内容的提问来源于stack exchange，提问作者anrisakaki96