在R中使用gsub处理dataframe列字符串，删除多余符号保留指定内容

你可以使用gsub结合正则捕获组一步完成需求，代码如下：

df$Regression <- gsub("`([^`]+)`~`([^`]+)`\\..*", "\\1 ~ \\2", df$Regression)

正则逻辑说明 #

• 用([^]+)匹配被反引号包裹的变量名，两组括号分别捕获TLC和7_A`两个变量名
• \\..*匹配英文句号及句号之后的所有内容，这部分在替换时直接丢弃
• 替换格式\\1 ~ \\2就是把两个捕获到的变量名用左右带空格的波浪号拼接，正好符合你需要的TLC ~ 7_A格式。

执行后查看处理结果：

head(df)
  Real Predicted PdivR Regression
1 7.76      7.36  0.95 TLC ~ 7_A
2 5.55      5.28  0.95 TLC ~ 7_A
3 4.80      5.12  1.07 TLC ~ 7_A
4 4.68      4.47  0.96 TLC ~ 7_A
5 7.43      7.48  1.01 TLC ~ 7_A
6 4.59      4.69  1.02 TLC ~ 7_A

如果对复杂正则不熟悉，也可以用分步写法降低理解成本：

# 第一步：删除所有反引号
df$Regression <- gsub("`", "", df$Regression)
# 第二步：删除点及后续所有内容
df$Regression <- gsub("\\..*", "", df$Regression)
# 第三步：给波浪号左右加空格
df$Regression <- gsub("~", " ~ ", df$Regression)

两种写法最终效果完全一致。

内容的提问来源于stack exchange，提问作者antecessor