在R语言中基于列内地址范围生成含单个地址的新行

原始数据 #

data <- data.frame("Street" = c("Example1", "Example2", "Example3", "Example4"),
                   "Number" = c("10-20a", "4b-8", NA, "14-16"))

对应的原始数据框：

Street Number
1 Example1 10-20a
2 Example2   4b-8
3 Example3   <NA>
4 Example4  14-16

需求 #

将上述数据中的地址范围拆分，生成包含每个单独地址的数据框，目标格式如下：

data_long <- data.frame("Street" = c(rep("Example1", 11), rep("Example2", 5),
                                     "Example3", rep("Example4", 3)),
                        "Number" = c(10:19,"20a", "4b", 5:8, NA, c(14:16)))

对应的数据框：

Street Number
1  Example1     10
2  Example1     11
3  Example1     12
4  Example1     13
5  Example1     14
6  Example1     15
7  Example1     16
8  Example1     17
9  Example1     18
10 Example1     19
11 Example1    20a
12 Example2     4b
13 Example2      5
14 Example2      6
15 Example2      7
16 Example2      8
17 Example3   <NA>
18 Example4     14
19 Example4     15
20 Example4     16

问题背景 #

尝试过拆分数字与字母，结合rowwise()和mutate()处理，但失败了——字母会被错误附加到每个地址上。

解决方案 #

使用tidyverse工具集处理，核心思路是拆分地址范围的起始/结束项，区分数字部分和字母后缀，再针对性生成单独地址序列：

library(tidyverse)

data %>%
  # 拆分地址范围为起始、结束两部分，NA项保持不变
  mutate(Number = ifelse(is.na(Number), NA, str_split(Number, "-", simplify = TRUE))) %>%
  unnest_wider(Number, names_sep = "_") %>%
  rename(start = Number_1, end = Number_2) %>%
  # 提取起始/结束项的数字和字母后缀
  mutate(
    start_num = as.integer(str_extract(start, "\\d+")),
    start_suffix = str_extract(start, "[a-zA-Z]+"),
    end_num = as.integer(str_extract(end, "\\d+")),
    end_suffix = str_extract(end, "[a-zA-Z]+"),
    # 处理无结束项的情况（如纯单个地址）
    end_num = ifelse(is.na(end_num), start_num, end_num)
  ) %>%
  rowwise() %>%
  # 生成单独地址列表：带后缀的起始项单独保留，中间数字序列转字符，带后缀的结束项单独保留
  mutate(
    Number_list = list(
      c(
        if (!is.na(start_suffix)) start,
        if (start_num < end_num) as.character(start_num:end_num),
        if (!is.na(end_suffix)) end
      )
    )
  ) %>%
  # 处理NA地址的情况
  mutate(Number_list = ifelse(is.na(start), list(NA), Number_list)) %>%
  # 展开列表为多行
  unnest(Number_list) %>%
  # 整理列名
  select(Street, Number = Number_list)

代码说明 #

1. 拆分地址范围：用str_split把带-的地址拆成起始和结束两部分，NA项直接保留
2. 提取数字与后缀：用正则表达式分离出每个项的数字部分和字母后缀，方便后续区分处理
3. 生成地址序列：
   • 如果起始项带字母（如4b），直接保留该地址
   • 起始数字小于结束数字时，生成中间的数字序列并转为字符
   • 如果结束项带字母（如20a），最后保留该地址
4. 展开多行：将生成的地址列表展开为单独行，匹配对应的街道名称

运行后即可得到符合需求的长格式数据框。

内容的提问来源于stack exchange，提问作者anon