R语言中提取id列-PRD前数字并替换原列的方法

针对你的需求，这里提供两种高效处理方案，适配不同量级的数据集：

方法1：Tidyverse 生态处理（适合习惯dplyr的用户） #

直接用stringr的正则提取功能，配合dplyr修改分组数据框的列，不用提前取消分组：

library(dplyr)
library(stringr)

# 匹配-PRD前的连续数字，替换id列
grouped_df <- grouped_df %>%
  mutate(id = str_extract(id, "\\d+(?=-PRD)"))

正则\\d+(?=-PRD)是正向预查，能精准定位所有在-PRD之前的数字，不管前缀是2个还是3个字母都能适配。

方法2：Data.table 极速处理（超大数据集首选） #

如果数据量特别大，data.table的内存效率和运行速度会更有优势，同样用正则实现：

library(data.table)

# 把分组数据框转成data.table（如果原本不是）
setDT(grouped_df)

# 方案A：用str_extract提取
grouped_df[, id := str_extract(id, "\\d+(?=-PRD)")]

# 方案B：用gsub替换，效果一致
grouped_df[, id := gsub("^\\D+(\\d+)-PRD.*", "\\1", id)]

^\\D+(\\d+)-PRD.*这个正则会先匹配开头的所有非数字字符，然后捕获后面的数字组，最后把整个字符串替换成捕获到的数字，逻辑清晰且高效。

注意点 #

• 两种方法都支持直接修改分组数据框，无需先执行ungroup()；
• 正则已经兼容前缀字母数量不固定的情况；
• 超大规模数据优先选data.table方案，能显著节省时间和内存。

内容的提问来源于stack exchange，提问作者MaxB