R语言如何提取字符串中%标记的百分比并计算数据框列平均值

需要从数据框字符串类型的rates列中提取所有带%标识的百分比数值，按行计算简单算术平均值，结果存入新增的average列。
原测试数据与错误代码如下：

rates <-c("7.5% ( 01-01 to 31-01 ) ; 0% ( 01-02 to 30-06 ) ; 7.5% ( 01-07 to 31-12 )", "0% (01 FEB - 30 JUN); 3.70% (01-01 to 31-01) ; 3.70% (01-07 to 31-12)")
product <-c("001","002")
df <- data.frame(product,rates)

# 原错误实现
df$average <- average(as.numeric(grepl("\\d+\\%",rates)))

预期运行后average列结果为c(5,2.5)。

• 函数误用：grepl()仅返回是否匹配到规则的逻辑值（TRUE/FALSE），无法提取匹配到的具体百分比数值；R基础环境中不存在average()函数，计算算术均值需使用mean()
• 正则缺陷：原正则\\d+\\%仅能匹配整数百分比，无法识别带小数位的百分比值（如7.5%、3.70%）
• 缺少逐行处理逻辑：原代码直接对整列操作，没有对每个单元格内的字符串单独完成提取、转数值、求均值的流程

推荐使用stringr包的字符串提取函数，逻辑清晰易维护，代码如下：

# 若未安装stringr先运行 install.packages("stringr")
library(stringr)

df$average <- sapply(
  str_extract_all(df$rates, "\\d+\\.?\\d*(?=%)"), # 正向预查匹配%前的数字（支持整数、小数）
  function(x) mean(as.numeric(x)) # 对每行提取到的数字转数值后求均值
)

如果不想依赖第三方包，也可以用基础R实现：

df$average <- sapply(
  regmatches(df$rates, gregexpr("\\d+\\.?\\d*(?=%)", df$rates, perl = TRUE)),
  function(x) mean(as.numeric(x))
)

运行代码后得到的数据框内容如下，第二行均值约为2.47，与预期给出的2.5为近似值差异：

> df
  product                                                                   rates  average
1     001 7.5% ( 01-01 to 31-01 ) ; 0% ( 01-02 to 30-06 ) ; 7.5% ( 01-07 to 31-12 ) 5.000000
2     002           0% (01 FEB - 30 JUN); 3.70% (01-01 to 31-01) ; 3.70% (01-07 to 31-12) 2.466667

如果需要和预期结果完全一致，可以在计算后对结果做四舍五入处理：

df$average <- round(df$average, 1)

处理后第二行结果即为2.5。

内容的提问来源于stack exchange，提问作者melange164