使用R语言从Excel单元格提取突变位置数字的方法

假设你的数据框df里有一列（比如命名为mutations）存储着chr10:63661472 G>C这类突变字符串，以下是两种高效提取冒号后位置数字的方法：

方法1：正则表达式提取（推荐） #

利用pandas的str.extract配合正则，直接捕获冒号后的连续数字：

import pandas as pd

# 构造示例数据框
df = pd.DataFrame({
    'mutations': ['chr10:63661472 G>C', 'chr14:105246551 C>T', 'chr16:2225614 G>T']
})

# 提取位置数字到新列
df['position'] = df['mutations'].str.extract(r':(\d+)', expand=False)

# 查看结果
print(df['position'])

正则r':(\d+)'的作用是匹配冒号:，并捕获其后的所有数字字符，str.extract会自动提取捕获组的内容，得到纯数字结果。

方法2：字符串拆分法 #

通过两次拆分字符串获取目标数字：

df['position'] = df['mutations'].str.split(':').str[1].str.split().str[0]
print(df['position'])

• 第一次按:拆分，取拆分后的第二部分（即63661472 G>C这类内容）
• 第二次按空格拆分，取拆分后的第一部分，就是需要的位置数字

如果是处理单个字符串，也可以用类似逻辑：

# 单个字符串处理示例
s = 'chr10:63661472 G>C'
# 拆分法
pos = s.split(':')[1].split()[0]
# 正则法
import re
pos = re.search(r':(\d+)', s).group(1)

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