R中如何计算数据框字符串列内文本区间的中点值并生成新列？

核心计算逻辑非常直接：从带说明文本的年龄分组字符串中提取区间上下限的数值，套用中点公式 (区间下限 + 区间上限)/2 即可得到目标值，对应示例中“30 to 39 Years”的计算结果就是 (30+39)/2 = 34.5，完全匹配需求。

方法1：基础R实现（无额外包依赖） #

适合不需要安装第三方包的场景，代码兼容性好：

# 构造和你场景一致的测试数据
df <- data.frame(
  age_group = c("20 to 29 Years", "30 to 39 Years", "40 to 49 Years", "60 to 69 Years")
)

# 匹配年龄分组字符串中的上下限数字
match_result <- regmatches(
  df$age_group,
  regexec("^(\\d+) to (\\d+) Years", df$age_group)
)

# 计算中点值并新增列
df$age_midpoint <- sapply(match_result, function(x) {
  if (length(x) < 3) return(NA) # 文本格式不匹配的行返回空值，避免报错
  lower_bound <- as.numeric(x[2])
  upper_bound <- as.numeric(x[3])
  (lower_bound + upper_bound)/2
})

运行后可以直接查看输出，对应“30 to 39 Years”的行，age_midpoint列值就是34.5。

方法2：tidyverse生态简洁实现 #

适合日常使用管道操作的工作流，代码可读性更强：

library(tidyverse)

df <- df |> 
  mutate(
    # 正则匹配两个区间数字后逐行算平均得到中点
    age_midpoint = str_match(age_group, "(\\d+) to (\\d+)")[,2:3] |> 
      as.numeric() |> 
      matrix(ncol = 2) |> 
      rowMeans()
  )

适配调整提示 #

• 如果你的年龄分组存在类似“80+ Years”“75 and over”这类无明确上限的开口区间，只需要调整正则规则，或者在计算后单独给这类行手动指定合理的中点值即可。
• 代码内置了异常处理逻辑，遇到格式不符合的文本不会直接中断运行，会对应返回空值方便排查。

内容的提问来源于stack exchange，提问作者abrarnasir