在 R 中子集 length/characters 不同的邮政编码字符串，zip_choropleth

Question

我正在与 zip_choropleth 合作。问题源于在我的区域向量中，有一些有问题的邮政编码 这些问题是：

1. 其中带有 space 的字符串（尤其是那些在字符串开头带有 space 的字符串）
2. 其中包含负号的字符串
3. 包含字母的字符串

例如：

region
00234
78623
 3432
-0043
11000
HV 34
88302

我想做的是通过 df$region 对数据进行子集化，以获得精确长度且仅包含数字的字符串。 zip_choropleth 否则似乎不起作用。

我试过通过字符长度进行子集化

data <- subset(data, nchar(data$region) == 5)

并通过使用 grep 删除带有“-”或“”的字符。这两种方法似乎都无法正常工作。

Answer 1

使用正则表达式，您可以匹配 5 个数字：

> subset(df, grepl("\d{5}", region))
  region
1  00234
2  78623
5  11000
8  88302

\d表示数字，{5}表示刚好连续五个。

您还可以使用 ^\d{5}$ 将正则表达式锚定到 beginning/end，但对于您发布的示例数据，这不是必需的。您可能想试试这个，例如，如果有包含六位或更多数字的邮政编码，或者包含五位数字和字母的邮政编码。