R-使用循环搜索一个变量和另一个变量，并创建新的合并变量

我只擅长R编码的基础知识，不知道如何做复杂的循环。 我有一个大数据帧，它有一列地址和一列zipcodes（以及其他变量）。每列中都有许多NA。address列中某些行的数据不完整，其中缺少zip和状态，或者只缺少zip。我所有的数据都来自同一个州

我需要清理地址数据以便稍后进行地理编码。我不想忽略NA行，因为我也将使用相同的数据帧进行zipcode-only分析（当我创建太多类似的对象时，我也会迷失方向）。我在地址中有很多NAs，在这些NAs中，同一行仍然有一个Zipcode值

我的解决方案是：

对于df$地址中的每一行，如果不是NA

如果df$Address没有以df$Zipcode结尾

然后将df$Address与“MI”和df$Zipcode组合粘贴为新列值

删除重复字（对于地址为state但仅缺少zip的条目）

最小可重复样品：

Address <- c("1234 address", "5678 address, MI", "9012 address, MI 12345", "1111 adrus")
Zipcode <- c("67890", "56780", "12345", "12345")
df <- data.frame(Address, Zipcode)

#example dataframe
Address                   Zipcode
1234 address               67890            
5678 address, MI           56780            
9012 address, MI 12345     12345            
1111 adrus                 12345    

---

Address我们可以检查“Address”在字符串末尾是否有5位数字，然后返回“Address”，或者用“Zipcode”列粘贴
（
stru c
）

library(dplyr)
library(stringr)
df %>%
  mutate(Address2 = case_when(str_detect(Address, '\\d{5}$') ~
    Address, str_detect(Address, 'MI$') ~ str_c(Address, Zipcode, 
     sep = ' '), TRUE ~ str_c(Address, Zipcode, sep = ', MI ')))

-输出

#                 Address Zipcode               Address2
#1           1234 address   67890  1234 address MI 67890
#2       5678 address, MI   56780 5678 address, MI 56780
#3 9012 address, MI 12345   12345 9012 address, MI 12345
#4             1111 adrus   12345    1111 adrus, MI 12345

使用Base R，我为您提供了此解决方案，但请注意，我从您的代码中获取了带有sep=“MI”的“粘贴”，您地址的第四个元素已经有了“MI”，因此这会在输出中添加一个可重复的“MI”，而我的猜测是，这是一种状态删除，如果数据覆盖多个状态，则很可能不正确

Address <- c("1234 address", "5678 address, MI", "9012 address, MI 12345", "1111 adrus")
Zipcode <- c("67890", "56780", "12345", "12345")
df <- data.frame(Address, Zipcode)    

df$address_cln <- apply(df,MARGIN = 1, function(df_row) {
  if(!grepl(paste0(df_row[2],"$"), df_row[1])){
    return(paste(df_row[1], df_row[2], sep=" MI "))
  }else{
    return(df_row[1])
  }
})

我们可以对正则表达式使用一些
stringr
函数：

library(stringr)
library(dplyr)
df %>% 
  mutate(Address= str_remove(Address, "[0-9]*$"),
         Address= str_trim(str_remove(Address, ", MI"))) %>% 
  mutate(Address_new = str_c(Address, " MI ", Zipcode))

输出：

       Address Zipcode           Address_new
1 1234 address   67890 1234 address MI 67890
2 5678 address   56780 5678 address MI 56780
3 9012 address   12345 9012 address MI 12345
4   1111 adrus   12345   1111 adrus MI 12345

library(stringr)
library(dplyr)
df %>% 
  mutate(Address= str_remove(Address, "[0-9]*$"),
         Address= str_trim(str_remove(Address, ", MI"))) %>% 
  mutate(Address_new = str_c(Address, " MI ", Zipcode))

       Address Zipcode           Address_new
1 1234 address   67890 1234 address MI 67890
2 5678 address   56780 5678 address MI 56780
3 9012 address   12345 9012 address MI 12345
4   1111 adrus   12345   1111 adrus MI 12345