从 R 数据框列中选择值

Question

我正在使用芝加哥犯罪数据集和 R 进行课程项目。数据集中的属性之一是 Block，其中包含事件发生的部分地址。例如：

+--------------------------+
|           Block          |
+--------------------------+
|  45xx N Locust Grove St  |
|   65xx Hawthorne Ave     |
+--------------------------+

Block 中的值长度不同，但我想创建一个街道类型为 St、Ave、Blvd 等的新变量。我尝试使用 tidyr 中的单独函数。

df <- df %>%
   separate(Block, into = c("partial.address, "type"),
           sep = " ", extra = "merge", fill = "left")

但是，这将返回数字 45xx，作为 partial.address 值，其余值在 type 中。如何从地址中选择街道类型？

我希望得到这样的输出：

+--------------------------+-------------+
|     partial.address      |     type    |
+--------------------------+-------------+
|  45xx N Locust Grove     |      St     |
|   65xx Hawthorne         |     Ave     |
+--------------------------+-------------+

Answer 1

你可以使用extract：

tidyr::extract(df, Block, c("partial.address", "type"), "(.*)(St|Ave)")

#      partial.address  type
#1 45xx N Locust Grove    St
#2      65xx Hawthorne   Ave

或者使用stringr：

library(dplyr)
library(stringr)

df %>%
  mutate(type = str_extract(Block, '(St|Ave)'), 
         partial.address = str_remove(Block, type))

如果您有更多模式，您可以在(St|Ave) 中包含更多模式。

---

如果我们想捕获每个Block 的最后一个单词，我们可以使用：

df %>%
  mutate(type = str_extract(Block, '\\w+$'), 
         partial.address = str_remove(Block, type))

数据

df <- structure(list(Block = c("45xx N Locust Grove St", "65xx Hawthorne Ave"
)), class = "data.frame", row.names = c(NA, -2L))