我正在嘗試從具有不同格式的資料幀中的一列地址中提取狀態縮寫。例子：
"123 Any St., Some City, IL 65234 United States"
"456 Any Other St That Town, CA 62626-1234 US"
我使用的代碼適用于具有 5 位郵政編碼的字串，但不適用于具有 9 位郵政編碼的字串：
df$state <- str_extract(df$address, "\\b[A-Z]{2}(?=\\s \\d{5}$)")
如何更改它以提取狀態，然后是 5 位和 9 位郵政編碼？
uj5u.com熱心網友回復：
當我將您的代碼用于示例字串上的 5 位郵政編碼時，它不起作用并回傳NAs。
如果我們洗掉最后一個，$則它適用于 5 位和 9 位郵政編碼：
teststr <- c("123 Any St., Some City, IL 65234 United States",
"456 Any Other St That Town, CA 62626-1234 US")
stringr::str_extract(teststr, "\\b[A-Z]{2}(?=\\s \\d{5})")
#> [1] "IL" "CA"
由reprex 包(v2.0.1)于 2021 年 11 月 2 日創建
uj5u.com熱心網友回復：
tidyr::extract當您使用 tibble/dataframe 時，您可以使用效果特別好的函式。在你的情況，我做了以下內容：將資料放入一個名為據幀/ tibble df，使用tidyr::extract到索拉力的資訊分為兩個columns-zipcode和state。
該tidyr::extract函式使用括號來區分您需要哪些列中的哪些資訊。因此，由于我要提取到兩個不同的列，因此這里有兩組括號，其中包含正則運算式。第一個正則運算式\\d{5}|\\d{5}-\\d{4}表示匹配 5 位數字或 5 位數字，后跟一個破折號，然后是 4 位數字。下一個正則運算式.{1,}匹配任意字符 1 到任意次數。在使用這兩個運算式之前，我會根據需要匹配任意字符多次，直到找到帶有.{1,}. 我用\\s（空格）將這兩列分開。
library(tidyverse)
df <- tibble(zipcodes = c("123 Any St., Some City, IL 65234 United States",
"456 Any Other St That Town, CA 62626-1234 US"))
df %>%
tidyr::extract(zipcodes, into = c("zipcodes", "state"),
".{1,}(\\d{5}|\\d{5}-\\d{4})\\s(.{1,})")
轉載請註明出處，本文鏈接：https://www.uj5u.com/yidong/345573.html
下一篇：多載istream運算子