R从地址字符串中提取房屋/街道号码答案

【问题标题】：R extract house / street numers from adress stringR从地址字符串中提取房屋/街道号码
【发布时间】：2021-03-15 10:11:46
【问题描述】：

假设我有以下带有地址的数据，即街道名称。我的目标是将街道名称与门牌号码分开。

mydf <- tribble(
  ~street,
  "Some Way 10",
  "Shiny Street   12b",
  "Dark Street   from Netflix Movie 17c - 17d",
  "Seasame Street",
  "Dark Alley 15c",
)

mydf <- mydf %>% mutate(street= str_squish(street)) # get rid of whitespace

我尝试了以下

sub <- tidyr::extract(mydf, "street", c("street_name_only", "house_number"), "(\\D+)(\\d.*)") %>%
 print(n=5)

只要有街道或门牌号码，它就可以正常工作。如果字符串“street”没有街道号码，则 NA 将显示在新变量“street_name_only”和“house_number”中，就像“芝麻街”一样。（我想在“new_street_column”中有“Sesame Street”，最好在 house_number 列中有“”（空），尽管之后我可以在 house_number 列中管理 NA。

谁能告诉我哪里出错以及如何解决这个问题？

非常感谢您。

【问题讨论】：

标签： r extract tidyr

【解决方案1】：

这行得通吗：

mydf %>% 
    transmute(street_name_only = str_remove(street, '\\d.*'), 
                  house_number = str_extract(street, '\\d.*'))

# A tibble: 5 x 2
  street_name_only                  house_number
  <chr>                             <chr>       
1 "Some Way "                       10          
2 "Shiny Street "                   12b         
3 "Dark Street from Netflix Movie " 17c - 17d   
4 "Seasame Street"                  NA          
5 "Dark Alley "                     15c

【讨论】：

是的，确实如此！非常感谢！我知道您使用的功能，但我没想过将它们组合在一起！再次感谢。

【解决方案2】：

使用tidyr::separate：

tidyr::separate(mydf, street, c("street_name_only", "house_number"), 
                '(?=\\d)', extra = 'merge', fill = 'right')

# street_name_only                    house_number
#  <chr>                               <chr>       
#1 "Some Way "                         10          
#2 "Shiny Street   "                   12b         
#3 "Dark Street   from Netflix Movie " 17c - 17d   
#4 "Seasame Street"                    NA          
#5 "Dark Alley "                       15c

【讨论】：