在R中提取id列-PRD前数字替换原列报错求助

问题根源 #

你报错的核心原因是用了unique()——它会把提取后的结果去重，返回的唯一值数量远少于原数据的行数，而dplyr::mutate要求新生成的列必须和原数据框的行数完全一致，所以才会出现长度不匹配的错误。

正确实现方式 #

不需要用word+str_sub+unique的组合，直接用stringr里的逐行文本处理函数就能搞定，以下是两种靠谱的方法：

方法1：用str_extract精准提取数字部分 #

str_extract可以通过正则表达式匹配并提取-PRD前的数字：

library(dplyr)
library(stringr)

# 假设你的数据框名为df
df <- df %>%
  mutate(id = str_extract(id, "\\d+(?=-PRD)"))

解释：\\d+匹配一个或多个数字，(?=-PRD)是正向预查规则，确保提取的数字后面紧跟-PRD，不会拿到多余内容。

方法2：用str_remove直接删除-PRD #

如果你的id列里-PRD始终在末尾，直接删掉这部分更简单：

df <- df %>%
  mutate(id = str_remove(id, "-PRD$"))

解释：-PRD$匹配位于文本结尾的-PRD，str_remove会把这部分删除，剩下的就是你要的数字。

验证示例 #

假设原始分组数据是这样的：

df <- tibble(
  id = c("123-PRD", "456-PRD", "123-PRD", "789-PRD"),
  group = c("A", "A", "B", "B")
)

用上面任意一种方法处理后，id列会变成c("123", "456", "123", "789")，完全匹配原数据行数，不会再报错。

内容的提问来源于stack exchange，提问作者MaxB