Question

我有从SQL中提取的地址数据，现在已加载到R中。我正在尝试提取单个组件，即查询末尾的邮政编码（状态也很好）。我希望将邮政编码和州放在新的单独列中。

主要问题是邮政编码有时是5位数字，有时是9位数字。

两个示例行将是：

Address_FULL
1234 NOWHERE ST WASHINGTON DC 20005
567 EVERYWHERE LN CHARLOTTE NC 22011-1203

我怀疑我需要某种正则表达式\\d{5}表示法，或者我不知道存在的dplyr中的某种奇特操作。

Answer 1

如果邮政编码始终在结尾，则可以使用

str_extract(Address_FULL,"[[:digit:]]{5}(-[[:digit:]]{4})?$")

要通过dplyr添加“ zip”列，可以使用

df %>% mutate(zip = str_extract(Address_FULL,"[[:digit:]]{5}(-[[:digit:]]{4})?$"))

df是您的数据框，其中包含Address_FULL和 str_extract()来自stringr。

状态可以如下提取：

str_extract(Address_FULL,"(?<=\\s)[[:alpha:]]{2}(?=\\s[[:digit:]]{5})")

但是，这有以下假设：

状态缩写为2个字符长
状态缩写后面紧跟一个空格
邮政编码紧跟在状态后面的空格之后

Answer 2

假设邮政编码始终在结尾，您可以尝试：

tail(unlist(strsplit(STRING, split=" ")), 1)

例如

ex1 = "1234 NOWHERE ST WASHINGTON DC 20005"
ex2 = "567 EVERYWHERE LN CHARLOTTE NC 22011-1203"

> tail(unlist(strsplit(ex1, split=" ")), 1)
[1] "20005"

> tail(unlist(strsplit(ex2, split=" ")), 1)
[1] "22011-1203"

Answer 3

使用我的包裹tfwstring

可自动处理任何地址类型，甚至带有前缀和后缀。

if (!require(remotes)) install.packages("remotes")
remotes::install_github("nbarsch/tfwstring")

parseaddress("1234 NOWHERE ST WASHINGTON DC 20005", force_stateabb = F)

     AddressNumber         StreetName StreetNamePostType          PlaceName          StateName            ZipCode 
            "1234"          "NOWHERE"               "ST"       "WASHINGTON"               "DC"            "20005"

parseaddress("567 EVERYWHERE LN CHARLOTTE NC 22011-1203", force_stateabb = F)

     AddressNumber         StreetName StreetNamePostType          PlaceName          StateName            ZipCode 
             "567"       "EVERYWHERE"               "LN"        "CHARLOTTE"               "NC"       "22011-1203"

将街道地址变成组件

3 个答案: