如何从数据列提取指定长度连续数字？无匹配则返回NA

原始数据（Have） #

example1 example2
11-2001-6 st3829s
11-2001-6 s8290s
11-201-6 sts39

期望输出（Want） #

example1 example2
2001 3829
2001 8290
NA NA

解决方案 #

R语言实现 #

借助stringr包的正则匹配功能，精准提取4位连续数字，无匹配项自动返回NA：

library(stringr)

# 构建数据框
df <- data.frame(
  example1 = c("11-2001-6", "11-2001-6", "11-201-6"),
  example2 = c("st3829s", "s8290s", "sts39"),
  stringsAsFactors = FALSE
)

# 逐列提取4位连续数字
df$example1 <- str_extract(df$example1, "\\d{4}")
df$example2 <- str_extract(df$example2, "\\d{4}")

print(df)

Python实现 #

用pandas结合正则提取，无匹配项填充为NA：

import pandas as pd

# 构建数据框
data = {
    "example1": ["11-2001-6", "11-2001-6", "11-201-6"],
    "example2": ["st3829s", "s8290s", "sts39"]
}
df = pd.DataFrame(data)

# 提取4位连续数字，无匹配项替换为NA
df = df.apply(lambda col: col.str.extract(r'(\d{4})', expand=False)).fillna("NA")

print(df)

内容的提问来源于stack exchange，提问作者Mark