stringr::str_extract_all输出转数据框数值列及film_main数据清洗需求

我来一步步帮你搞定这个需求：首先把str_extract_all返回的列表转换成可用的允许数字集合，然后针对每一列应用过滤规则，把不符合的值设为NA。

步骤1：加载包并准备数据 #

首先确保加载stringr，并保留原始列名（避免R自动修改特殊格式的列名）：

library(stringr)

# 示例数据集（添加check.names=FALSE保留原始列名）
film_main <- data.frame(
  "grey..0..yellow..1.." = c(0, 1, 0, NA, 2),
  "grey..0..brown..1.." = c(3, 0, 0, NA, 2),
  "grey..0..blue..1...brown..2.." = c(0, 2, 1, 6, 1),
  "3grey..0..purple..1...brown..2.." = c(0, 1, 2, 3, NA),
  "3grey..0..purple..1...brown..2..brown..3.." = c(0, 1, 2, 3, NA),
  check.names = FALSE
)

步骤2：提取列名中的数字并整理为允许值集合 #

str_extract_all返回的是列表，我们可以把每个列表元素转换成numeric类型的允许数字向量，后续用来过滤列值：

# 创建存储列名和允许数字的数据框
film <- data.frame(var = names(film_main), stringsAsFactors = FALSE)

# 提取数字并转为numeric向量的列表
film$allowed_digits <- lapply(str_extract_all(film$var, "[:digit:]+"), as.numeric)

现在film$allowed_digits里每个元素对应一列的允许数字，比如第一列的允许数字是c(0,1)，第四列是c(3,0,1,2)。

步骤3：应用过滤规则生成目标数据框 #

用mapply把每一列和对应的允许数字配对，过滤掉不在允许集合里的值（保留原始的NA）：

# 对每一列执行过滤：值不在允许数字中则设为NA，原始NA保留
film_main_desired <- mapply(function(col, allowed) {
  ifelse(col %in% allowed | is.na(col), col, NA)
}, film_main, film$allowed_digits, SIMPLIFY = FALSE)

# 转换回数据框格式
film_main_desired <- as.data.frame(film_main_desired, check.names = FALSE)

验证结果 #

现在查看film_main_desired，和你期望的结果完全一致：

print(film_main_desired)
#   grey..0..yellow..1.. grey..0..brown..1.. grey..0..blue..1...brown..2.. 3grey..0..purple..1...brown..2.. 3grey..0..purple..1...brown..2..brown..3..
# 1                    0                   NA                              0                                  0                                          0
# 2                    1                    0                              2                                  1                                          1
# 3                    0                    0                              1                                  2                                          2
# 4                   NA                   NA                             NA                                  3                                          3
# 5                   NA                   NA                              1                                 NA                                         NA

补充小技巧 #

如果想把film$allowed_digits从列表转成可读性更强的字符型（比如逗号分隔的字符串），可以用sapply配合paste：

film$allowed_str <- sapply(film$allowed_digits, paste, collapse = ", ")

这样allowed_str就是类似"0, 1"的字符串，方便快速查看每列的允许值，但过滤逻辑还是用numeric列表更直接。

内容的提问来源于stack exchange，提问作者Robbie