如何从包含文本与数字的data frame列中提取纯数字内容

你之前使用的substr(OLD$CHR, 4, 4)仅会提取字符串第4位的单个字符，遇到Chr14、Chr19这类数字长度≥2的取值时，只能提取到数字的第一位，因此无法得到预期结果。

下面提供3种通用的实现方式，都可以满足需求：

• 方案1：base R正则替换（无需额外安装包，通用性最强）
  用gsub删除所有非数字字符后转为整数即可：

  New$CHR_1 <- as.integer(gsub("\\D", "", OLD$CHR))
  

  其中\\D是正则语法，匹配所有非数字字符，替换为空后剩余内容就是你需要的纯数字。

• 方案2：固定前缀截取（适合所有值都是Chr开头的场景）
  把substr的结束位置设置为字符串总长度，就可以完整提取前缀后的所有内容：

  New$CHR_1 <- as.integer(substr(OLD$CHR, 4, nchar(OLD$CHR)))
  

• 方案3：tidyverse生态写法（适合已经在使用tidyverse系列包的场景）
  用stringr的str_extract直接提取连续数字：

  library(stringr)
  New$CHR_1 <- str_extract(OLD$CHR, "\\d+") %>% as.integer()
  

以上三种方案对你给出的示例值Chr1、Chr14、Chr19、Chr2、Chr8、Chr7，都可以输出预期的1、14、19、2、8、7结果。

内容的提问来源于stack exchange，提问作者Mahan