如何用更简洁的dplyr方法提取字符串首尾字符生成新变量？

嗨，我来帮你梳理下更简洁的dplyr实现方式，还有自定义函数的写法~

你原来的方法需要先拆分再合并，其实可以直接在mutate里完成首尾字符的提取+拼接，省去unite的步骤，而且用负索引取最后一个字符会更通用（不用硬编码固定位置7，就算字符串长度变化也能正常工作）：

library(dplyr)
library(stringr)

df <- tibble(code = c("B12345A", "B12345C"))

# 一步生成code_2
df <- df %>% 
  mutate(code_2 = str_c(str_sub(code, 1, 1), str_sub(code, -1, -1)))

这里str_sub(code, -1, -1)表示取字符串的最后一个字符，比写固定的7更灵活，适配不同长度的code值。

如果这个提取首尾字符的逻辑你会多次用到，写个自定义函数会让代码更清晰、易维护。

基础版自定义函数 #

先写一个专门提取首尾各1个字符并拼接的函数：

# 自定义函数：提取字符串首尾字符并拼接
get_first_last <- function(str_vec) {
  str_c(str_sub(str_vec, 1, 1), str_sub(str_vec, -1, -1))
}

# 在dplyr中调用
df <- df %>% 
  mutate(code_2 = get_first_last(code))

灵活版自定义函数 #

如果想让函数适配更多场景（比如提取前n个和后m个字符），可以给函数加参数：

# 更灵活的函数：可指定提取前n个、后m个字符
get_start_end <- function(str_vec, n = 1, m = 1) {
  str_c(str_sub(str_vec, 1, n), str_sub(str_vec, -m, -m))
}

# 默认提取首尾各1个字符
df <- df %>% mutate(code_2 = get_start_end(code))

# 示例：提取前2个和后2个字符
# df <- df %>% mutate(code_2 = get_start_end(code, n=2, m=2))

这样后续如果需求变化，只需要修改函数内部或者调用时的参数就行，不用到处改代码。

内容的提问来源于stack exchange，提问作者user7542670