如何用R基于前缀匹配补全数据集里的不完整英国邮政编码

需求说明 #

利用包含完整英国邮政编码的数据集，补全仅含前缀的不完整邮编字段：匹配前缀后，用第一个（或任意一个）对应的完整邮编替换原不完整项。

已有数据读取代码（修正后） #

# 加载依赖包
library(tidyverse)
library(readxl)

# 读取不完整邮编数据集
HomePostcode <- read_excel("C:/Users/JWP/IncompletePostcodeData.xlsx", 
                           sheet = "IncompletePostcodeData", col_types = c("skip", "text", "skip"))

# 读取完整英国邮编数据集
AllUKPostcodes <- read_excel("C:/Users/JWP/IncompletePostcodeData.xlsx", 
                             sheet = "AllUKPostcodesData", col_types = c("skip", "text", "skip"))

解决方案代码 #

步骤1：构建前缀-完整邮编映射表 #

从完整邮编数据中提取前缀，按前缀分组后保留每组第一个完整邮编，建立匹配关系：

# 生成前缀与完整邮编的映射（每个前缀对应第一个匹配的完整邮编）
postcode_mapping <- AllUKPostcodes %>%
  # 提取完整邮编中空格前的前缀部分
  mutate(postcode_prefix = str_extract(Postcode, "^[^\\s]+")) %>%
  # 按前缀分组，仅保留每组第一条记录
  group_by(postcode_prefix) %>%
  slice_head(n = 1) %>%
  ungroup() %>%
  # 保留必要字段用于匹配
  select(postcode_prefix, full_postcode = Postcode)

步骤2：匹配补全不完整邮编 #

将不完整邮编数据集与映射表连接，替换为完整邮编：

# 完成邮编补全
completed_postcodes <- HomePostcode %>%
  # 根据前缀匹配映射表
  left_join(postcode_mapping, by = c("Postcode" = "postcode_prefix")) %>%
  # 用完整邮编替换原不完整项，无匹配则保留原内容
  mutate(Postcode = coalesce(full_postcode, Postcode)) %>%
  # 移除临时辅助字段
  select(-full_postcode)

示例输出 #

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