如何使用tidyr从现有数据列提取字母并新增对应列

可以通过tidyverse生态下的工具快速实现你的需求，先修正你提到的正则误区：\w等价于[a-zA-Z0-9_]，会同时匹配数字和下划线，提取纯字母备注建议用[a-zA-Z]作为匹配规则。

以下提供两种实现方案：

方案1：使用tidyr::extract实现（符合你指定用tidyr的需求） #

extract函数可以直接通过正则捕获组，一次性拆分出你需要的两列：

# 先加载依赖包
library(tidyverse)

# 示例数据，替换为你自己的数据集即可
df <- tibble(value = c("123:a", "45:b", "6789:c", "0:d"))

df_result <- df %>%
  extract(
    col = value, # 要拆分的原始列
    into = c("clean_value", "value_note"), # 拆分后的两列名，第一个是保留数字+冒号的列，第二个是字母备注列
    regex = "([0-9:]+)([a-zA-Z]*)", # 两个捕获组分别匹配「数字+冒号」和「字母」
    remove = FALSE # 设为FALSE保留原始value列，设为TRUE则会删除原始列
  )

如果你的字母备注在数字+冒号的前面，只需要把正则的两个捕获组调换顺序即可：regex = "([a-zA-Z]*)([0-9:]+)"，同时调整into参数里的列名顺序。

方案2：使用dplyr+stringr实现（更灵活易调整） #

如果你需要更灵活的调整匹配规则，用str_extract提取字母、str_remove_all清理原始列的写法更易读：

library(tidyverse)

df_result <- df %>%
  mutate(
    value_note = str_extract(value, "[a-zA-Z]+"), # 提取纯字母存入新列
    clean_value = str_remove_all(value, "[a-zA-Z]+") # 移除原列的字母，保留数字和冒号
  )

如果你不需要修改原始value列，仅新增字母备注列，只保留value_note对应的代码行即可。

内容的提问来源于stack exchange，提问作者vojta9