Tidyverse：若字符列包含另一列内容，如何将其替换为NA？

问题描述 #

我有一个包含三列街道地址的数据集，填写表单的人有时会误将“Street Address 2”用作“城市、州和邮编”填写栏。我希望在出现这种情况时，清空“Street Address 2”的内容。对比Excel中的简单解法，我发现在R/Tidyverse中实现这一点难度超出预期。示例如下：

df <- data.frame(address2=c("Tulsa, OK", "Apt. 1","Harbor Club Apartments"), city = c("Tulsa", "Tulsa", "Tulsa"))

在这个示例数据框中，我希望代码将第1条记录的address2设为NA。我尝试了多种ifelse语句但都无效，看起来最可行的方法是使用str_detect()，代码如下：

df <- mutate(address2 = ifelse(str_detect(df$address2,df$city)),NA, address2)

理论上，若address2的记录中包含“Tulsa”，该代码应将address2设为NA，否则保留原内容。但运行后出现如下错误：

Error in UseMethod("mutate") :
no applicable method for 'mutate' applied to an object of class "logical"
恳请各位提供解决方法，并解释该代码无效的原因。感谢！——Steve

错误原因分析 #

1. mutate调用逻辑错误：tidyverse的mutate函数需要作用于数据框对象，你直接写mutate(...)时，R会把ifelse(str_detect(...))的结果（一个逻辑向量）当作第一个参数传入，而非目标数据框，导致R找不到适用于逻辑类对象的mutate方法，触发报错。
2. ifelse语法错误：你的代码错误地将str_detect(df$address2,df$city)的闭合括号放在了ifelse外面，导致ifelse的参数不完整，语法结构混乱。

正确解决代码 #

方法1：Tidyverse管道写法（推荐） #

先确保加载dplyr和stringr包，再通过管道将数据框传入mutate：

library(dplyr)
library(stringr)

df <- data.frame(address2=c("Tulsa, OK", "Apt. 1","Harbor Club Apartments"), city = c("Tulsa", "Tulsa", "Tulsa"))

df <- df %>%
  mutate(address2 = ifelse(str_detect(address2, city), NA, address2))

方法2：基础R写法 #

如果不想用管道，直接修改数据框列：

library(stringr)

df <- data.frame(address2=c("Tulsa, OK", "Apt. 1","Harbor Club Apartments"), city = c("Tulsa", "Tulsa", "Tulsa"))

df$address2 <- ifelse(str_detect(df$address2, df$city), NA, df$address2)

运行后得到的结果：

> df
            address2  city
1              <NA> Tulsa
2            Apt. 1 Tulsa
3 Harbor Club Apartments Tulsa

优化建议 #

如果需要避免误匹配（比如公寓名称包含城市名的情况），可以用正则表达式精确匹配城市名（比如匹配城市名后接逗号或字符串结尾）：

df <- df %>%
  mutate(address2 = ifelse(str_detect(address2, paste0("\\b", city, "\\b(,|$)")), NA, address2))

其中\\b是单词边界，确保匹配完整的城市名，避免部分字符匹配。

内容的提问来源于stack exchange，提问作者Steve