如何使用dplyr从DataFrame字符串列的特定短语后提取目标数字

你可以通过正则匹配捕获目标数字，无需固定截取字符长度，适配所有位数的温度、以及风向位置不固定的风速提取场景，配合dplyr的mutate即可完成需求。

核心代码 #

不需要额外依赖的base R正则版本：

library(dplyr)

df <- df %>%
  mutate(
    # 提取Temp:后第一组连续数字作为温度，自动适配1/2/3位数值
    temperature = as.integer(sub(".*Temp: (\\d+).*", "\\1", weather)),
    # 跳过Wind:后所有非数字内容，提取第一组连续数字作为风速
    wind_speed = as.integer(sub(".*Wind:.*?(\\d+).*", "\\1", weather))
  )

如果你习惯使用stringr包的函数，也可以用str_extract实现：

library(dplyr)
library(stringr)

df <- df %>%
  mutate(
    temperature = as.integer(str_extract(weather, "(?<=Temp: )\\d+")),
    wind_speed = as.integer(str_extract(weather, "Wind:.*?(\\d+)", group = 1))
  )

逻辑说明 #

• 温度提取的正则.*Temp: (\\d+).*中，(\\d+)会捕获Temp: 之后的第一串连续数字，不受数值位数影响
• 风速提取的正则.*Wind:.*?(\\d+).*中，.*?是非贪婪匹配，会自动跳过Wind:和数值之间的所有内容（包括空格、风向字符），无论风向在数值前还是后都能正确提取风速

测试验证 #

用你提供的样例数据测试，输出结果如下：

内容的提问来源于stack exchange，提问作者ChazC