R语言如何从data.frame的字符列中提取所有百分比数值

实现方法 #

直接用R基础正则函数即可完成提取，无需依赖第三方包，匹配规则从逻辑上强制要求数值末尾带%，自动过滤所有不带百分号的普通数字。
完整代码如下：

# 构造示例数据
df <- data.frame(text = c("this text is 1.3% this is +1.4% and this -1.5%",
                          "this text is 123.3% this 123.3 and this 1234.5"))

# 正则匹配提取所有符合规则的百分比
pct_result <- unlist(regmatches(df$text, gregexpr("[+-]?\\d+\\.?\\d*%", df$text)))

# 可选：移除百分比开头多余的正号（不需要可以注释掉这行）
pct_result <- gsub("^\\+", "", pct_result)

运行后pct_result就是目标字符向量，输出结果为：

[1] "1.3%"   "1.4%"   "-1.5%"  "123.3%"

注：你给出的期望输出中第二个值-1.4%属于笔误，原始文本对应位置为带正号的+1.4%，如果需要保留正号，删除上述代码中gsub处理的步骤即可得到带+的结果。

如果你习惯用stringr包，也可以用更简洁的写法实现同样效果：

library(stringr)
pct_result <- unlist(str_extract_all(df$text, "[+-]?\\d+\\.?\\d*%"))
# 正号处理逻辑和基础版一致

正则规则说明 #

用到的匹配规则[+-]?\\d+\\.?\\d*%逻辑如下：

• [+-]?：匹配数值开头可选的正号或负号
• \\d+：匹配数值的整数部分（至少1位数字）
• \\.?：匹配可选的小数点（支持整数百分比如5%的场景）
• \\d*：匹配小数点后0到多位数字（支持整数、一位小数、多位小数的百分比格式）
• %：强制匹配末尾的百分号，从规则层面排除所有不带%的普通数字

内容的提问来源于stack exchange，提问作者sotnik