R语言如何修改或删除不符合列正则模式的行，提取时间列小时值

实际场景 #

当前处理鲨鱼攻击事件数据集，需要从格式杂乱的时间字段提取小时值，用于24小时分箱的事件发生次数统计。
测试样例与预期输出：

Times <- c("12h00","16h30","Afternoon","15h00","14h20","7h30","06h00")
# 期望输出：["12","16",NA,"15","14","7","6"]

字段值的分布规则：

• 绝大多数条目为##h##格式（如07h30）
• 少量条目为#h##的单数字小时格式（如7h30）
• 夹杂非标准时间文本（如Afternoon），这类值需要统一置为NA

最初的实现思路是用str_replace_all(Time, pattern, replacement)完成提取，初步想到的正则模式为"^\\d{2}h\\d{2}$"，但存在两个未解决的问题：

1. 不满足正则匹配规则的条目无法自动置为NA
2. 无法覆盖单数字小时的时间格式

具体实现方案 #

适配stringr包的轻量实现 #

不需要硬靠str_replace_all做全量替换，直接用str_extract()匹配目标内容，未匹配到目标的位置会自动返回NA，天然解决非标准值转NA的问题：

library(stringr)
# 匹配规则：从字符串开头抓取1-2个连续数字，且该数字后面紧跟字母h
hour_vals <- str_extract(Times, "^\\d{1,2}(?=h)")

运行后输出结果：

[1] "12" "16" NA   "15" "14" "7"  "06"

如果需要把带前导0的06转换为对齐要求的6，只要把结果转成整数类型即可，整数转换会自动去掉前导0：

hour_vals <- as.integer(str_extract(Times, "^\\d{1,2}(?=h)"))
# 转换后结果：12 16 NA 15 14  7  6

说明：正则里的(?=h)是正向先行断言，只匹配h前面的数字，不会把h后面的分钟数误提取出来；设置\\d{1,2}的匹配长度，可以同时覆盖2位小时（如12h00）和1位小时（如7h30）的场景，不需要写多分支判断。

你之前设想的^\\d{2}h\\d{2}$存在两个适配问题：一是要求字符串必须是固定长度的两位数字+h+两位数字格式，匹配不到单数字小时的条目；二是如果用该模式做字符串替换，不匹配的条目会保留原始文本，不会自动转为NA，调整后的匹配逻辑可以同时解决这两个问题。

基础R原生实现（无需加载第三方包） #

如果不想依赖外部包，用base R的字符串函数也能实现同等效果：

# 匹配「开头数字+h」的格式，把捕获到的第一组数字保留作为小时值
hour_vals <- sub("^(\\d{1,2})h.*$", "\\1", Times)
# 筛选出没被成功替换的非标准值，统一置为NA
hour_vals[!grepl("^\\d{1,2}h", Times)] <- NA
# 转成整数自动移除前导0
hour_vals <- as.integer(hour_vals)

运行结果和stringr方案完全一致。

后续直方图制作参考 #

提取完成的小时值可以直接传给绘图函数做分箱统计，不需要额外做区间预处理：

# 以0-24为区间边界做直方图
hist(hour_vals, breaks = 0:24, main = "鲨鱼攻击事件小时分布", xlab = "事件发生小时")

内容的提问来源于stack exchange，提问作者norsynthz