R - 在邮政编码字符串中插入可变数量的空格

Question

我有一组英国邮政编码需要重新格式化。它们由一个 incode 和一个 outcode 组成，其中 incode 的形式为 'number letter letter' 例如2DB 和 outcode 是 2 到 4 个字母和数字的组合，例如NW1 或 SW10 或 EC1A

目前 incode 和 outcode 之间有一个 space，但我需要重新格式化它们，以便完整的邮政编码长度为 7 个字符，例如：（'-' 代表 space）

NW1-2DB -> NW1-2DB（1 space outcode 和 incode 之间）
SW10-9NH -> SW109NH (0 spaces)
E1-6QL -> E1--6QL (2 spaces)

数据：

df <- data.frame("postcode"=c("NW1 2DB","SW10 9NH","E1 6QL"))
df
#   postcode
# 1  NW1 2DB
# 2 SW10 9NH
# 3   E1 6QL

我写了一个正则表达式字符串来分隔输出代码和输入代码，但找不到在它们之间添加可变数量的 space 的方法（这个例子只创建了两个 space s 在 outcode 和 incode 之间）。

require(dplyr)
df <- df %>% mutate(postcode_2sp = gsub('?(\S+)\s*?(\d\w{2})$','\1  \2', postcode)

为了解决这个问题，我尝试使用 mutate()、nchar() 和 rep():

df<-df %>% 
  mutate(outcode=gsub('?(\S+)\s*\d\w{2}$','\1',postcode),
         incode=gsub('\S+\s*?(\d\w{2})$','\1',postcode)) %>%
  mutate(out_length=nchar(outcode))%>%
  mutate(postcode7=paste0(outcode,
                          paste0(rep(" ",4-out_length),collapse=""),
                          incode))

但出现此错误：

Error: invalid 'times' argument

没有创建邮政编码 7 的最后一步，df 如下所示：

df
#   postcode outcode incode out_length 
# 1  NW1 2DB     NW1    2DB          3  
# 2 SW10 9NH    SW10    9NH          4 
# 3   E1 6QL      E1    6QL          2

如果我将 rep 'times' 参数设置为常量，代码将按预期运行（但不会执行我需要它执行的操作！）

df<-df %>% 
  mutate(outcode=gsub('?(\S+)\s*\d\w{2}$','\1',postcode),
         incode=gsub('\S+\s*?(\d\w{2})$','\1',postcode)) %>%
  mutate(out_length=nchar(outcode))%>%
  mutate(postcode7=paste0(outcode,
                          paste0(rep(" ",4),collapse=""),
                          incode))
df
#   postcode outcode incode out_length   postcode7
# 1  NW1 2DB     NW1    2DB          3  NW1    2DB
# 2 SW10 9NH    SW10    9NH          4 SW10    9NH
# 3   E1 6QL      E1    6QL          2   E1    6QL

有没有办法让 rep() 接受一个列作为 mutate 中的 times 参数？还是我应该考虑一种完全不同的方法？

编辑：我刚刚意识到我可以在输出代码中对每种 2 个字符、3 个字符或 4 个字符的情况使用 if 语句，但这感觉不太优雅。

Answer 1

查看 stringr 包中的 str_pad 方法，它适合您的情况：

library(stringr)
df<-df %>% 
    mutate(outcode=gsub('?(\S+)\s*\d\w{2}$','\1',postcode),
           incode=gsub('\S+\s*?(\d\w{2})$','\1',postcode)) %>%
    mutate(out_length=nchar(outcode)) %>% 
    mutate(postcode7 = paste(outcode, str_pad(incode, 7-out_length), sep = ""))

df
#   postcode outcode incode out_length postcode7
# 1  NW1 2DB     NW1    2DB          3   NW1 2DB
# 2 SW10 9NH    SW10    9NH          4   SW109NH
# 3   E1 6QL      E1    6QL          2   E1  6QL

Answer 2

使用str_pad并分开：

library(dplyr)
library(tidyr)
library(stringr)

df %>% 
  separate(postcode, into = c("incode", "outcode"), remove = FALSE) %>% 
  mutate(
    postcode8 = paste0(incode,
                       str_pad(outcode,
                               8 - nchar(incode), side = "left", pad = " ")))

#   postcode incode outcode postcode8
# 1  NW1 2DB    NW1     2DB  NW1  2DB
# 2 SW10 9NH   SW10     9NH  SW10 9NH
# 3   E1 6QL     E1     6QL  E1   6QL

Answer 3

另一种方案，使用sprintf格式化输出，tidyr::extract进行匹配。这样做的好处是大大简化了填充的模式和代码：

df %>%
    extract(postcode, into = c('out', 'in'), '(\S{2,4})\s*(\d\w\w)') %>%
    mutate(postcode = sprintf('% -4s%s', out, `in`))

我喜欢上面发布的 separate 版本，但它要求邮政编码全部由空格分隔。根据我的经验，通常情况并非如此。

Answer 4

df%>%mutate(Postcode7=paste0(format(gsub('\s.*$','',postcode),justify='left'),
                        format(gsub('^\S+\s','',postcode),justify='right')))

R - 在邮政编码字符串中插入可变数量的空格

R - Inserting variable number of spaces into postcode string

regex

r

postal-code

dplyr