这里有一个简化的尝试。去掉除了k/M后缀之外的所有内容，然后去掉k/M，并使用后缀的一些索引来确定乘数：

sel <- gsub("[^Mk]", "", df$Population)
val <- as.numeric(gsub("[Mk]",  "", df$Population))
df$pop_fix2 <- ifelse(sel == "", val, val * c("M"=1000000, "k"=1000)[sel])

给出请求的结果：

#  Population pop_fix pop_fix2
#1      4.88M 4880000  4880000
#2      3.12M 3120000  3120000
#3       819k  819000   819000
#4       4660    4660     4660
#5      46.7k   46700    46700
#6      4.86M 4860000  4860000
#7       856k  856000   856000

我们可以使用tidyverse首先separate取幂器的数值。然后将符号指数转换为一个合适的以10为底的数字，最后通过简单的乘法来调整种群。

library(dplyr)
library(tidyr)

df |>
    separate_wider_regex(col = Population,
                         patterns = c(population = "[0-9.]+",
                                      magnitude = "[A-Za-z]"),
                         too_few = "align_start"
    ) |> type_convert() |>
    mutate(magnitude = case_match(magnitude,
                                  "M" ~ 6,
                                  "k" ~ 3,
                                  .default = 1
                                  )
           ) |> 
    mutate(population = population * (10^ magnitude),
           .keep = "none")

# A tibble: 7 × 1
  population
       <dbl>
1    4880000
2    3120000
3     819000
4      46600
5      46700
6    4860000
7     856000

df[c("pop", "pop_scale")] <- data.table::tstrsplit(df$Population, "(?=(M|k))", perl = TRUE)
df$pop_scale              <- replace(df$pop_scale, is.na(df$pop_scale), "as_is")
df$pop                    <- as.numeric(df$pop)
df$pop_fix                <- df$pop * c(M=1e6, k=1e3, as_is=1)[df$pop_scale]

#   Population     pop pop_scale pop_fix
# 1      4.88M    4.88         M 4880000
# 2      3.12M    3.12         M 3120000
# 3       819k  819.00         k  819000
# 4       4660 4660.00     as_is    4660
# 5      46.7k   46.70         k   46700
# 6      4.86M    4.86         M 4860000
# 7       856k  856.00         k  856000

**1）**这里有一个一行代码。未使用任何包。

transform(df, pop_fix = as.numeric(sub("k", "e3", sub("M", "e6", Population))))
##   Population pop_fix
## 1      4.88M 4880000
## 2      3.12M 3120000
## 3       819k  819000
## 4       4660    4660
## 5      46.7k   46700
## 6      4.86M 4860000
## 7       856k  856000

**2）**或使用Reduce

L <- list(k = "e3", M = "e6")
transform(df, pop_fix = as.numeric(Reduce(\(x, nm) sub(nm, L[[nm]], x), 
  init = Population, names(L))))

**3）**这也可以工作，并且在概念上同时进行两个替换：

library(gsubfn)

transform(df, pop_fix = as.numeric(gsubfn(".", list(M="e6",k="e3"), Population)))