如何去除R数据框指定列字符串开头的数字编号？

处理R数据框df2的y列时，需移除该列每个字符串开头的「任意长度数字+.+空格」编号前缀，仅保留后续目标文本，可直接使用R基础包的正则替换函数实现，无需安装第三方依赖。

具体实现代码 #

直接对列执行替换操作即可：

df2$y <- sub("^[0-9]+\\. ", "", df2$y)

正则规则说明：

• ^：锚定字符串起始位置，确保只匹配最开头的前缀，不会误处理文本中段的相似内容
• [0-9]+：匹配1个及以上连续数字，适配从1位到多位的任意长度编号
• \\. ：匹配编号后紧跟的英文点号和空格，R中正则匹配点号需要用双反斜杠转义（点号本身是正则通配符）

效果验证 #

用提供的头、尾部样例做测试，输出完全符合预期：

头部样例测试 #

test_head <- c("1. Neodiprion virginianus", "2. Nepsalus jezoensis", "3. Prochas sp. 2 YYH-2022a", 
"4. Prochas sp. 1 YYH-2022a", "5. Eccoptopterus sp. 1 CP-2022", 
"6. Andricus sp. 1 CYS-2022a")
sub("^[0-9]+\\. ", "", test_head)

输出结果：

[1] "Neodiprion virginianus"      "Nepsalus jezoensis"          "Prochas sp. 2 YYH-2022a"
[4] "Prochas sp. 1 YYH-2022a"     "Eccoptopterus sp. 1 CP-2022" "Andricus sp. 1 CYS-2022a"

尾部样例测试 #

test_tail <- c("761849. Libellula", "761850. Libellulidae", "761851. Anisoptera", 
"761852. Odonata", "761853. Euscelis plebejus", "761854. Euscelis")
sub("^[0-9]+\\. ", "", test_tail)

输出结果：

[1] "Libellula"          "Libellulidae"       "Anisoptera"         "Odonata"
[5] "Euscelis plebejus"  "Euscelis"

注意事项 #

• 用sub()即可，不需要用gsub()：sub()只会替换第一个匹配到的内容，刚好匹配只需要替换开头前缀的需求，执行效率更高
• 该写法不会破坏目标文本内容：因为有起始位置锚定，文本内部的数字、点号、空格（比如样例里的sp.标识、样本编号后缀）都会完整保留，不会被误删

内容的提问来源于stack exchange，提问作者Pedro Alexander Velasquez Vasc