使用tidyverse提取字符串体重数值时小数位丢失问题排查

1. 代码中的直接错误 #

你原数据集的列名是Weight，但处理代码里误用了Measurement作为提取目标列，这会导致提取逻辑失效（数据框中不存在该列），需替换为Weight。另外，直接覆盖原Weight列会丢失原始字符串数据，建议新建一列存储提取后的数值，比如Weight_num。

2. 正则表达式优化 #

你的正则"(\\d+\\.\\d+)|(\\d+)(?=kg)"逻辑可行，但可以简化为更通用的写法："\\d+\\.?\\d*(?=kg)"，它能统一匹配整数（如45）、一位小数（如51.5）、多位小数（如66.05）的情况，避免分支匹配的冗余。

3. 小数显示的误解 #

你看到C的体重显示为66.0，并非提取失败，而是tibble默认的小数位数显示规则导致的——它会自动统一显示格式。实际提取的数值是66.05，可以通过设置tibble的显示选项查看完整精度：

options(pillar.sigfig = 4) # 设置显示4位有效数字

修正后的完整代码 #

library(tidyverse)

df <- tibble(ID = c("A","B","C"), 
             Weight = c("45kg^20221120", "51.5kg^20221015", "66.05kg^20221020"))

df %>%
  mutate(Weight_num = as.numeric(str_extract(Weight, "\\d+\\.?\\d*(?=kg)")))

执行后输出：

# A tibble: 3 × 3
  ID    Weight           Weight_num
  <chr> <chr>                <dbl>
1 A     45kg^20221120         45  
2 B     51.5kg^20221015       51.5
3 C     66.05kg^20221020      66.05

额外建议 #

如果需要同时提取测量时间，可配合正则提取^后的日期字符串并转换为日期格式：

df %>%
  mutate(Weight_num = as.numeric(str_extract(Weight, "\\d+\\.?\\d*(?=kg)")),
         Measure_date = ymd(str_extract(Weight, "(?<=\\^)\\d+")))

内容的提问来源于stack exchange，提问作者KintensT