如何将地址（格式不均匀）拆分为R中的各个字段

Question

我想将这些地址分成相应的类别（街道号，街道名称，城市，州和邮编），以最终检查哪些是相同的。任何人都可以帮助解决如何在R中实现这个目标的基本想法吗？

    Company                          Address

 1. A                    1 NE 1 Street Miami,FL 33132
 2. B                     1 1st Street Miami,FL 33132
 3. C                      1 NE 1st St Miami,FL 33132
 4. D                     1 1st Street Miami,FL 33134
 5. E               100 Biscayne Blvd. Miami,FL 33132
 6. F               100 Biscayne Blvd Miami ,FL 33132
 7. G 100 Biscayne Boulevard Suite 604 Miami,FL 33132
 8. H     100 Biscayne Blvd. Suite 604 Miami,FL 33132
 9. I            100 N. Biscayne Blvd. Miami,FL 33132

Answer 1

在gsubfn包中尝试read.pattern。如果Lines在文件中，则将text = Lines替换为给出文件名的字符串。这可能相当脆弱，一旦你有更多的数据可以尝试，你可能需要稍微调整一下正则表达式。

Lines <- "Company                          Address
 1. A                    1 NE 1 Street Miami,FL 33132
 2. B                     1 1st Street Miami,FL 33132
 3. C                      1 NE 1st St Miami,FL 33132
 4. D                     1 1st Street Miami,FL 33134
 5. E               100 Biscayne Blvd. Miami,FL 33132
 6. F               100 Biscayne Blvd Miami ,FL 33132
 7. G 100 Biscayne Boulevard Suite 604 Miami,FL 33132
 8. H     100 Biscayne Blvd. Suite 604 Miami,FL 33132
 9. I            100 N. Biscayne Blvd. Miami,FL 33132"

library(gsubfn)
DF <- read.pattern(text = Lines, 
  pattern = "\\S+ \\S+ *(\\d+) (.*) (\\S+) ?,(\\S+) (\\d+)$",
  skip = 1, 
  as.is = TRUE,
  col.names = c("No", "Street", "City", "State", "Zip"))

，并提供：

> DF
   No                       Street  City State   Zip
1   1                  NE 1 Street Miami    FL 33132
2   1                   1st Street Miami    FL 33132
3   1                    NE 1st St Miami    FL 33132
4   1                   1st Street Miami    FL 33134
5 100               Biscayne Blvd. Miami    FL 33132
6 100                Biscayne Blvd Miami    FL 33132
7 100 Biscayne Boulevard Suite 604 Miami    FL 33132
8 100     Biscayne Blvd. Suite 604 Miami    FL 33132
9 100            N. Biscayne Blvd. Miami    FL 33132

这是可视化的正则表达式：

\S+ \S+ *(\d+) (.*) (\S+) ?,(\S+) (\d+)$

Debuggex Demo

Answer 2

您也可以为此使用“ StringR”包。 要使用的函数是“ Str_extract”。 这将根据给定的数据库提取城市名称。

要提取街道号。 ，则可以使用“ gsub”和“ ^ [[：digit：]]”“。