如何从葡萄酒数据集title列提取年份并添加为整数列？

我来帮你搞定这个从酒名里提取年份的需求～你的现有代码用了str_extract_all会返回所有数字的列表，而且没区分年份和短数字，我们可以从两个方向优化：

1. 精准匹配年份的正则表达式 #

葡萄酒年份一般是4位数字（19xx或20xx），所以我们可以用正则只匹配这类数字，排除像2、4这种短数字。用str_extract代替str_extract_all，因为每个酒名通常只有一个年份，这样返回的是字符向量而非列表，更适合直接作为数据框列。

正则表达式说明：

• \\b：单词边界，确保我们匹配的是完整的4位数字，不会是其他字符串的一部分
• (19|20)：限定年份以19或20开头，覆盖绝大多数常见的葡萄酒年份范围
• \\d{2}：匹配后面两位数字

2. 转换为整数列并添加到数据框 #

直接提取后转成整数类型，赋值给新列即可，不用转成列表。

完整代码示例：

library(stringr)

# 提取符合格式的年份字符
wine_tidy2$vintage_year <- str_extract(wine_tidy2$title, "\\b(19|20)\\d{2}\\b")

# 转换为整数类型
wine_tidy2$vintage_year <- as.integer(wine_tidy2$vintage_year)

特殊情况处理 #

如果有些酒名里没有年份，str_extract会返回NA，转成整数后还是NA，这样可以保留缺失值，方便你后续过滤或填充。

内容的提问来源于stack exchange，提问作者azmirfakkri