在R中合并数据并为缺失缩写补零的实现方案

这是个挺典型的结构化数据清洗+扩展需求，我帮你拆解成两个核心步骤来实现，代码都给你写好啦，咱们一步步来：

准备工作：整理统一的缩写字典 #

首先得把你提供的几个字典统一成方便使用的键值对，原始的tree_dict和td1结构有点混乱，我们转成命名向量更便于后续替换操作：

library(stringr)
library(dplyr)
library(tidyr)

# 合并所有缩写字典为统一的命名向量（可根据实际需求补充对应关系）
tree_dict <- c(
  "AS" = "Aspen",          # 按合理逻辑修正原字典的对应关系
  "WB" = "Warty Birch",
  "Д" = "（请补充Д对应的真实树种名称）",
  "ЛИП" = "Linden",        # 假设ЛИП是椴树的缩写，可按需调整
  "oak" = "Oak",
  "H" = "Hornbeam",        # 对应td1里的О=H -> Oak=Hornbeam
  "M" = "Maple"            # 对应td1里的О=M -> Oak=Maple
)

步骤1：替换所有字段中的缩写 #

我们需要遍历所有字符型和因子型字段，把里面的缩写替换成真实树种名称（比如把"7AS 3WB"变成"7Aspen 3Warty Birch"）。这里用正则表达式确保只匹配独立的缩写，避免误替换其他字符串：

# 替换所有字段中的缩写
forest_clean <- forest %>%
  mutate(across(where(is.character) | where(is.factor), ~ {
    # 先转成字符型统一处理
    str_val <- as.character(.x)
    # 遍历字典替换每个缩写，正则匹配数字/空格后的缩写，以及空格/结尾前的缩写
    for(abbr in names(tree_dict)) {
      pattern <- str_glue("(?<=\\d|\\s){abbr}(?=\\s|$)")
      str_val <- str_replace_all(str_val, pattern, tree_dict[abbr])
    }
    # 还原原字段类型（因子/字符）
    if(is.factor(.x)) factor(str_val) else str_val
  }))

步骤2：补全缺失树种的编号字段 #

接下来要为字典里存在但数据集中没有的树种，新增对应的KOFPORx、PORx等字段，按现有编号延续，数值补0：

# 1. 提取现有PORx字段的编号和对应的树种
por_cols <- grep("^POR\\d+\\.C\\.254", names(forest_clean), value = TRUE)
existing_trees <- forest_clean %>%
  select(all_of(por_cols)) %>%
  pivot_longer(everything(), values_to = "tree") %>%
  pull(tree) %>%
  unique() %>%
  na.omit()

# 2. 找出字典中未在数据集中出现的树种
missing_trees <- setdiff(unname(tree_dict), existing_trees)

# 3. 获取现有最大编号，确定新增字段的起始编号
max_num <- max(as.integer(str_extract(por_cols, "\\d+")), na.rm = TRUE)
current_num <- max_num + 1

# 4. 循环新增每个缺失树种的字段组
for(tree in missing_trees) {
  # 构建所有需要新增的字段名
  field_names <- list(
    nomyar = str_glue("NOMYAR{current_num}.N.16.6"),
    kofpor = str_glue("KOFPOR{current_num}.N.16.6"),
    por = str_glue("POR{current_num}.C.254"),
    vozpor = str_glue("VOZPOR{current_num}.N.16.6"),
    vyspor = str_glue("VYSPOR{current_num}.N.16.6"),
    dempor = str_glue("DEMPOR{current_num}.N.16.6"),
    polnot = str_glue("POLNOT{current_num}.N.16.6"),
    zapzah = str_glue("ZAPZAH{current_num}.N.16.6")
  )
  
  # 新增字段，参考现有数据规律赋值
  forest_clean <- forest_clean %>%
    mutate(
      !!field_names$nomyar := 1,    # 现有NOMYARx都是1，保持一致
      !!field_names$kofpor := 0,
      !!field_names$por := tree,
      !!field_names$vozpor := 0,
      !!field_names$vyspor := 0,
      !!field_names$dempor := 0,
      !!field_names$polnot := 0,
      !!field_names$zapzah := 0
    )
  
  current_num <- current_num + 1
}

注意事项 #

• 如果你的原始PORx字段存的是缩写（比如AS）而不是替换后的名称，那步骤2里需要用原始缩写来对比：把existing_trees换成提取原始缩写，missing_trees换成tree_dict[setdiff(names(tree_dict), existing_abbrs)]即可。
• 字典里的对应关系可以根据实际需求随时调整，新增缩写直接加到tree_dict里就行。
• 如果某些字段的默认值不是0（比如NOMYARx），可以根据现有数据的规律修改赋值逻辑。

内容的提问来源于stack exchange，提问作者psysky