R语言处理Eurostat数据：地缘政治实体名称缩写问题求助

未处理值的核心原因 #

1. Euro area – 20 countries (from 2023)匹配失败：你的正则表达式中使用的是普通短破折号-，但该字符串里的是长破折号–，二者ASCII码不同，导致正则无法匹配。
2. European Economic Area (...)匹配失败：startsWith是严格前缀匹配，若字符串存在不可见字符、大小写细微差异（比如开头多余空格），就会匹配失效；相比之下grepl的正则匹配更灵活容错。

修正后的完整代码 #

df <- df %>% mutate(`Geopolitical entity (reporting)` =
           case_when(
             # 统一Germany的变体写法
             grepl("Germany", `Geopolitical entity (reporting)`, ignore.case = TRUE) ~ "Germany",
             # 处理所有Euro开头的条目：兼容各种破折号、多空格、大小写
             grepl("^Euro", `Geopolitical entity (reporting)`, ignore.case = TRUE) ~
               sub("^([A-Za-z])[A-Za-z]*\\s+([A-Za-z])[A-Za-z]*\\s+[-–—]\\s+(\\d+).*", 
                   "\\U\\1\\U\\2\\3", 
                   `Geopolitical entity (reporting)`, 
                   perl = TRUE),
             # 统一欧洲经济区的缩写为EEA，兼容大小写和前缀匹配
             grepl("^European Economic Area", `Geopolitical entity (reporting)`, ignore.case = TRUE) ~ "EEA",
             # 其余未匹配的原始值保持不变
             TRUE ~ `Geopolitical entity (reporting)`))

关键调整说明 #

• 破折号兼容：将\\s-\\s替换为\\s+[-–—]\\s+，其中[-–—]覆盖了短破折号-、长破折号–和全角破折号—；\\s+匹配一个或多个空格，适配Eurostat数据中可能的格式差异。
• Euro开头匹配优化：用grepl("^Euro", ..., ignore.case = TRUE)替代startsWith，兼容Euro/euro开头的情况，避免大小写导致的匹配遗漏。
• 欧洲经济区匹配优化：改用grepl做前缀匹配并开启大小写不敏感，解决startsWith的严格匹配限制。

内容的提问来源于stack exchange，提问作者erised