R语言处理混存国家与城市的列：为城市匹配对应国家

别担心，既然你已经能区分哪些行是国家、哪些是城市，那剩下的操作其实非常直观！咱们用R里的tidyverse工具链就能快速得到你想要的结果。

步骤1：回顾你的原始数据 #

先确认下你的初始数据结构（用你提供的示例）：

library(tibble)
countries <- tibble( city = c('Belgium', 'Bruxelles', 'Antwerpen', 'Bulgaria', 'Sofia', 'Plovdiv') )

步骤2：整合你的标记逻辑 #

假设你已经有了判断国家行的逻辑（比如生成了一个is_country列，TRUE代表这一行是国家名称），先把这个标记列加到数据框里：

library(dplyr)
# 这里替换成你实际的标记逻辑，比如你可能用了正则/预设列表来判断
countries <- countries %>%
  mutate(is_country = city %in% c('Belgium', 'Bulgaria'))

步骤3：填充国家名称并过滤 #

接下来是核心操作：先把国家行的名称赋值给新的country列，然后用fill()把这个值向下填充到后续的城市行，最后过滤掉原来的国家行即可：

library(tidyr)

final_result <- countries %>%
  # 给国家行的country列赋值，非国家行暂时设为NA
  mutate(country = ifelse(is_country, city, NA)) %>%
  # 向下填充country列的NA值，用最近的上方国家名称覆盖
  fill(country, .direction = "down") %>%
  # 只保留城市行，去掉原来的国家行
  filter(!is_country) %>%
  # 调整列顺序，让city在前，country在后
  select(city, country)

最终结果 #

运行完上面的代码后，你会得到想要的数据框：

print(final_result)
# # A tibble: 4 × 2
#   city      country
#   <chr>     <chr>  
# 1 Bruxelles Belgium
# 2 Antwerpen Belgium
# 3 Sofia     Bulgaria
# 4 Plovdiv   Bulgaria

小提示 #

如果你的国家判断逻辑不是用%in%，而是其他方式（比如正则匹配国家名称的特征），只需要替换mutate(is_country = ...)里的逻辑就行，核心的填充和过滤步骤完全通用。

内容的提问来源于stack exchange，提问作者petyar