如何在R语言中修正dataframe内的州名拼写错误与缩写？

你手头的R语言DataFrame包含印度各州名称，但存在拼写错误、缩写等变体（比如拉贾斯坦邦有RAJSHTHAN、RJ、RAJSTHAN等写法），需要将所有变体统一为标准名称。以下是针对问题的分析和正确实现方案：

之前尝试方法的问题分析 #

• 方法1、2：错误使用dplyr的replace函数，该函数需配合mutate使用，且参数格式不符合要求，导致unused argument报错。
• 方法3：用== x无法匹配多个值（需用%in%），且赋值逻辑错误，因此无效果。
• 方法4：循环中修改的是临时变量ST，而非原DataFrame的列；同时条件判断误用赋值符号=，多值判断逻辑错误，导致无效果。

正确实现方案 #

方案1：基础R（高效简洁，适合单类变体） #

直接用%in%匹配所有变体，批量赋值标准名称：

# 定义拉贾斯坦邦的所有变体
rajasthan_variants <- c("RAJSHTHAN", "RJ", "RAJSTHAN")
# 替换为标准名称
state$ST[state$ST %in% rajasthan_variants] <- "RAJASTHAN"

方案2：dplyr（tidyverse风格，适合管道操作） #

用mutate配合replace或case_match实现：

library(dplyr)

# 方法A：使用replace
state <- state %>%
  mutate(ST = replace(ST, ST %in% c("RAJSHTHAN", "RJ", "RAJSTHAN"), "RAJASTHAN"))

# 方法B：使用case_match（更直观，适合多组替换）
state <- state %>%
  mutate(ST = case_match(ST,
                         c("RAJSHTHAN", "RJ", "RAJSTHAN") ~ "RAJASTHAN",
                         .default = ST))

方案3：映射表批量替换（适合大型数据集/多州变体） #

如果需要处理大量州的变体（比如ORISSA→ODISHA、PONDICHERRY→PUDUCHERRY、缩写APO→ANDHRA PRADESH等），建议维护一个映射表，通过left_join批量替换：

library(dplyr)

# 构建变体-标准名映射表
state_mapping <- tibble(
  original = c("RAJSHTHAN", "RJ", "RAJSTHAN",
               "ORISSA", "PONDICHERRY", "NEW DELHI",
               "APO", "AR", "NL", "PB"),
  standard = c(rep("RAJASTHAN", 3),
               "ODISHA", "PUDUCHERRY", "DELHI",
               "ANDHRA PRADESH", "ARUNACHAL PRADESH", "NAGALAND", "PUNJAB")
)

# 批量替换
state <- state %>%
  left_join(state_mapping, by = c("ST" = "original")) %>%
  mutate(ST = ifelse(is.na(standard), ST, standard)) %>%
  select(-standard)

这种方式只需维护映射表即可，扩展性强，非常适合大型数据集的标准化处理。

内容的提问来源于stack exchange，提问作者Joe Mcsweeney