如何用gsub移除数据框列值中数字后的所有字符？

没问题，这事儿用gsub搭配正则表达式就能轻松搞定！我帮你拆解一下思路和具体代码：

核心思路 #

我们的目标是保留每个值里「最后一个数字之前的所有内容」，删掉数字之后的所有字符。比如把T1a变成T1，T3b变成T3，已经是纯字母+数字的T2就保持不变。

具体代码实现 #

首先先构造你的示例数据框（如果已经有现成的，这步可以跳过）：

# 构造示例数据
df <- data.frame(
  Tumoral_stage = c("T1a", "T1b", "T2c", "T3b", "T1c", "T2", "T3a"),
  Methastatic_stage = c("M0", "M0", "M0", "M0", "M0", "M0", "M1"),
  stringsAsFactors = FALSE
)

然后用两种不同的正则写法来实现需求，选你觉得顺手的就行：

方法1：通用型正则（适配更多场景）

这个写法不管值的前缀是什么（比如多字母、混合字符），只要最后有数字，就保留到最后一个数字为止：

df$Tumoral_stage <- gsub("^(.*\\d).*", "\\1", df$Tumoral_stage)

• 正则解释：
  • ^：匹配字符串开头
  • (.*\\d)：捕获分组，匹配「从开头到最后一个数字」的所有内容
  • .*：匹配最后一个数字之后的所有字符
  • \\1：用捕获到的分组内容替换整个字符串，相当于删掉数字后的部分

方法2：正向断言（更直观）

如果你习惯用perl风格的正则，这个写法更直观，直接匹配「数字之后的所有内容」并替换为空：

df$Tumoral_stage <- gsub("(?<=\\d).*", "", df$Tumoral_stage, perl = TRUE)

• 正则解释：
  • (?<=\\d)：正向零宽断言，定位到「前面是数字」的位置
  • .*：匹配该位置之后的所有字符
  • 替换为空字符串，就直接删掉了数字后的部分

运行结果 #

执行完代码后，你的数据框就变成了期望的样子：

Tumoral_stage Methastatic_stage
1            T1                M0
2            T1                M0
3            T2                M0
4            T3                M0
5            T1                M0
6            T2                M0
7            T3                M1

内容的提问来源于stack exchange，提问作者Jeni