R语言：移除DataFrame列中数字范围的分隔符及后续内容

需求背景 #

处理DataFrame的Number列，该列包含两种数字范围格式：

• 负数范围：如-500--550（连字符--表示“到”）
• 正负/正数范围：如-100-200、200-400（连字符-表示“到”）
  需要移除表示“到”的连字符及其后所有内容，仅保留范围的起始数值。

测试数据 #

testing <- structure(list(Name = c("A", "B", "C", "D", "E", "F", "G"), 
                          Number = c("-500--550", "-600--650", "-700--750", 
                                     "-8000--8500", "-9000--9500", "-100-200", "200-400")), 
                     class = "data.frame", row.names = c(NA, -7L))

问题分析 #

之前尝试的str_remove(testing$Number, "\\--[^-]*$")仅能处理--分隔的负数范围，无法匹配单个-分隔的行（如F、G行），导致这部分数据未被正确处理。

解决方案（dplyr + stringr） #

直接提取字符串开头的可选负号+数字部分，无需区分不同的连字符分隔符，适配所有格式：

library(dplyr)
library(stringr)

# 生成新列存储起始数值
result <- testing %>%
  mutate(Start_Number = str_extract(Number, "^-?\\d+"))

运行结果 #

print(result)
#   Name      Number Start_Number
# 1    A  -500--550         -500
# 2    B  -600--650         -600
# 3    C  -700--750         -700
# 4    D -8000--8500        -8000
# 5    E -9000--9500        -9000
# 6    F    -100-200         -100
# 7    G     200-400          200

正则说明 #

^-?\\d+ 的具体含义：

• ^：锚定字符串开头，确保只提取最前面的数值
• -?：匹配可选的负号（处理负数情况）
• \\d+：匹配一个或多个数字（覆盖任意位数的整数）

备选Base R方案 #

如果不依赖dplyr/stringr，也可以用base R的gsub实现：

testing$Start_Number <- gsub("(-?\\d+)-.*", "\\1", testing$Number)

内容的提问来源于stack exchange，提问作者Corey