如何在R语言中将数据框中的错误国名替换为标准名称？

问题背景 #

我手头有两个数据框：一个是包含特定拼写国家名称的调查数据，另一个是记录各国得分的数据，但部分国家的名称拼写不一致（例如调查中为"SOUTH KOREA"，得分数据中为"KOREA- REPUBLIC OF"），直接合并时这些国家的得分会因名称不匹配变为NA值。

我已整理好名称对应关系数据框name_mapping，包含标准名称（correct_names）和错误名称（incorrect）：

实现方法 #

以下是几种在R中实现错误名称替换的常用方案：

方法1：使用dplyr的recode函数（推荐） #

先将映射关系转换为命名向量，再批量替换：

# 加载dplyr包
library(dplyr)

# 示例调查数据框
survey_df <- data.frame(
  country = c("SOUTH KOREA", "IRAN", "RUSSIA", "VIETNAM", "GERMANY"),
  responses = c(10, 15, 8, 12, 20),
  stringsAsFactors = FALSE
)

# 构建名称映射数据框（和你提供的一致）
name_mapping <- data.frame(
  correct_names = c(
    "BOSNIA AND HERZEGOVINA",
    "CONGO- THE DEMOCRATIC REPUBLIC OF THE",
    "IRAN- ISLAMIC REPUBLIC OF",
    "KOREA- REPUBLIC OF",
    "LIBYAN ARAB JAMAHIRIYA",
    "MALDIVES",
    "MARTINIQUE",
    "MAYOTTE",
    "MOLDOVA- REPUBLIC OF",
    "RUSSIAN FEDERATION",
    "SYRIAN ARAB REPUBLIC",
    "TAIWAN- PROVINCE OF CHINA",
    "TANZANIA- UNITED REPUBLIC OF",
    "UNITED ARAB EMIRATES",
    "VIET NAM"
  ),
  incorrect = c(
    "BOSNIA HERZEGOVINA",
    "DEMOCRATIC REPUBLIC OF CONGO",
    "IRAN",
    "SOUTH KOREA",
    "LIBYA",
    "NONE",
    "NONE",
    "NONE",
    "MOLDOVA",
    "RUSSIA",
    "SYRIA",
    "TAIWAN",
    "TANZANIA",
    "NONE",
    "VIETNAM"
  ),
  stringsAsFactors = FALSE
)

# 过滤掉无需替换的"NONE"条目，生成命名向量（错误名为键，标准名为值）
name_vec <- name_mapping %>%
  filter(incorrect != "NONE") %>%
  tibble::deframe()

# 批量替换国家名称，未匹配的名称保持不变
survey_df <- survey_df %>%
  mutate(country = recode(country, !!!name_vec, .default = country))

方法2：基础R实现（无需额外包） #

利用match和ifelse完成替换：

# 过滤有效映射（排除NONE）
valid_mapping <- name_mapping[name_mapping$incorrect != "NONE", ]

# 找到每个错误名称对应的标准名称索引
match_idx <- match(survey_df$country, valid_mapping$incorrect)

# 替换名称，无匹配项保留原名称
survey_df$country <- ifelse(
  !is.na(match_idx),
  valid_mapping$correct_names[match_idx],
  survey_df$country
)

方法3：使用case_when（适合少量替换场景） #

如果需要替换的条目不多，可以直接用case_when逐个定义规则：

survey_df <- survey_df %>%
  mutate(country = case_when(
    country == "BOSNIA HERZEGOVINA" ~ "BOSNIA AND HERZEGOVINA",
    country == "DEMOCRATIC REPUBLIC OF CONGO" ~ "CONGO- THE DEMOCRATIC REPUBLIC OF THE",
    country == "IRAN" ~ "IRAN- ISLAMIC REPUBLIC OF",
    country == "SOUTH KOREA" ~ "KOREA- REPUBLIC OF",
    country == "LIBYA" ~ "LIBYAN ARAB JAMAHIRIYA",
    country == "MOLDOVA" ~ "MOLDOVA- REPUBLIC OF",
    country == "RUSSIA" ~ "RUSSIAN FEDERATION",
    country == "SYRIA" ~ "SYRIAN ARAB REPUBLIC",
    country == "TAIWAN" ~ "TAIWAN- PROVINCE OF CHINA",
    country == "TANZANIA" ~ "TANZANIA- UNITED REPUBLIC OF",
    country == "VIETNAM" ~ "VIET NAM",
    TRUE ~ country  # 其他名称保持不变
  ))

注意事项 #

• 确保名称大小写一致：如果数据中存在大小写混合的情况，可先统一转换为大写或小写，例如survey_df$country <- toupper(survey_df$country)
• 处理特殊值：映射中incorrect为"NONE"的条目无需替换，直接过滤即可
• 替换完成后，使用标准名称与得分数据框合并，即可避免因名称不匹配产生的NA值

内容的提问来源于stack exchange，提问作者Reza