在R中使用gsub提取dataframe的ID列纯数字文件ID的问题

问题原因 #

你使用的[^0-9]正则会匹配移除所有非数字字符，但你的ID列路径中存在BAS1字段，其中的数字1会被保留，和文件名末尾的目标ID拼接后就出现了多余的前导1。

解决方法 #

推荐使用更精准的提取逻辑，避免路径中其他数字干扰，两种常用实现方式如下：

方法1：base R原生实现（无需额外安装包） #

直接提取.txt后缀前的连续数字：

DF$ID <- sub(".*_(\\d+)\\.txt$", "\\1", DF$ID)

方法2：先取文件名再做替换 #

如果更习惯全局替换的写法，可以先用basename()去掉前缀路径，再清理非数字字符：

DF$ID <- gsub("[^0-9]", "", basename(DF$ID))

处理后的ID列就会完全符合你预期的纯数字效果，输出示例如下：

ID     mean   median      std       min      max count
1 33714 0.374389 0.374017 0.110854 0.1499130 0.650852    75
2 35377 0.368736 0.353222 0.144632 0.1080110 0.692352    75
3 38623 0.397192 0.390063 0.128366 0.1091700 0.672184    64
4 38806 0.483207 0.494330 0.106284 0.2353770 0.658852    62
5 39593 0.372074 0.323613 0.145565 0.1575710 0.723939   108
6 39820 0.367745 0.344656 0.178729 0.0690003 0.707643    42

内容的提问来源于stack exchange，提问作者CanyonView