如何在R语言中去除Range列中间数字并保留单个连字符

原始数据 #

df<-read.table (text=" ID   Range

1   1-2-3
2   1-2-3
3   4-5-6
4   4-5-7
5   10-11-12
6   10-11-12
7   14-16-17
8   19-20-21
9   10-11-12
10  12-13-14

", header=TRUE)

需求目标 #

将Range列中的中间数字移除，仅保留首尾数字和一个连字符，最终得到如下表格：

ID    Range
    1   1-3
    2   1-3
    3   4-6
    4   4-7
    5   10-12
    6   10-12
    7   14-17
    8   19-21
    9   10-12
    10  12-14

问题分析 #

你之前使用的gsub("-", "", df$Range)会直接删除所有连字符，无法实现保留单个连字符的需求，因为该操作没有针对中间的数字部分做处理。

解决方案 #

方法1：正则表达式精准替换

使用gsub匹配-数字-的中间部分，替换为单个连字符：

df$Range <- gsub("-(\\d+)-", "-", df$Range)

正则说明：-(\\d+)-匹配以-开头、中间包含1个或多个数字、结尾为-的片段，将其替换为单个-，直接保留首尾数字和所需的连字符。

方法2：拆分重组字符串

如果对正则表达式不熟悉，可通过拆分字符串后取首尾元素重组：

df$Range <- sapply(strsplit(df$Range, "-"), function(x) paste(x[1], x[length(x)], sep = "-"))

逻辑说明：strsplit将每个Range字符串按-拆分为数字向量，取向量的第一个和最后一个元素，再用paste拼接成带单个连字符的字符串。

验证结果 #

运行上述任意一种方法后，执行print(df)即可得到目标表格。

内容的提问来源于stack exchange，提问作者user330