基于字符结尾对R语言Data Frame进行子集划分

嘿，作为R语言新手碰到这种分组问题太正常啦！我来给你捋个清晰的思路，比你之前尝试的which()+endsWith()组合要省心得多，毕竟要一个个写16个数字的判断真的太繁琐了😅

核心思路 #

先把barcode末尾的数字单独提取出来，再根据你想要的分组规则直接归类，这样操作起来既清晰又不容易出错。

步骤1：提取Barcode末尾的数字 #

首先得把barcode最后面的数字拎出来，这里分两种场景处理：

• 如果你的barcode末尾是1位数字（比如BC001），可以用substr()提取最后一位：

  # 假设你的data.frame名叫df
  df$end_num <- as.integer(substr(df$barcode, nchar(df$barcode), nchar(df$barcode)))
  

• 如果barcode末尾可能是2位数字（比如BC010对应末尾10），用stringr包的str_extract()更稳妥，能自动匹配最后连续的数字：

  # 先加载stringr（属于tidyverse套件，新手可以直接安装tidyverse包）
  library(stringr)
  df$end_num <- as.integer(str_extract(df$barcode, "\\d+$"))
  

  这里的正则表达式\\d+$意思是"匹配最后面所有连续的数字"，完美覆盖1位或2位数字的情况。

步骤2：自定义规则分组 #

接下来用dplyr包的case_when()来定义分组规则，逻辑非常直观，你可以根据自己的实际需求调整区间：

library(dplyr)
df <- df %>%
  mutate(group = case_when(
    end_num %in% 1:2 ~ "Group 1",    # 结尾1、2归为第一组
    end_num %in% 3:5 ~ "Group 2",    # 结尾3、4、5归为第二组
    end_num %in% 6:8 ~ "Group 3",    # 结尾6、7、8归为第三组
    end_num %in% 9:12 ~ "Group 4",   # 结尾9-12归为第四组
    end_num %in% 13:16 ~ "Group 5",  # 结尾13-16归为第五组
    TRUE ~ "Uncategorized"           # 处理意外情况（比如末尾数字不在1-16范围内）
  ))

步骤3：拆分成独立子集 #

如果需要把每个组单独拆成一个独立的data.frame，用split()函数就能搞定：

# 得到一个列表，每个元素对应一个分组的data.frame
grouped_dfs <- split(df, df$group)

# 比如要调用第一组数据，直接用 grouped_dfs[["Group 1"]] 即可

为什么不推荐which()+endsWith()？ #

不是说这两个函数不能用，而是当数字数量多了之后，你要写一堆endsWith(df$barcode, "1") | endsWith(df$barcode, "2") | ...，不仅写着麻烦，后期修改分组规则也很费劲。而提取数字后用区间或%in%判断，逻辑清晰多了！

内容的提问来源于stack exchange，提问作者Alureon