R语言中两个dataframe的地址字符向量匹配问题求解

错误原因 #

你原有代码失效的核心原因是grepl()的pattern参数不支持同时传入多个匹配模式：当你传入长度为285的rentals$address向量时，函数只会自动取第一个地址作为唯一匹配规则，其余地址全部被忽略，因此得到全FALSE的结果。

可行实现方案 #

方法1：基础R实现（无需额外安装包） #

通过遍历所有出租地址逐个匹配，适合小体量数据场景：

# 生成匹配矩阵：行对应parcels记录，列对应rentals地址，值为是否匹配
match_matrix <- sapply(rentals$address, function(addr) {
  grepl(addr, parcels$address, fixed = TRUE)
})
# 只要命中任意一个出租地址就算匹配成功
parcel_matches <- apply(match_matrix, 1, any)
# 提取匹配到的parcels记录
matched_parcels <- parcels[parcel_matches, ]
# 如需提取同时存在于两个表中的出租地址
matched_rental_addrs <- rentals$address[apply(match_matrix, 2, any)]

方法2：stringr包实现（效率更高） #

使用stringr::str_detect()原生支持多模式匹配，代码更简洁：

library(stringr)
# 直接传入出租地址向量作为匹配规则，fixed指定精确匹配子串
parcel_matches <- str_detect(parcels$address, fixed(rentals$address))
matched_parcels <- parcels[parcel_matches, ]

地址匹配优化建议 #

地址数据容易出现大小写、空格、特殊符号不一致的问题，匹配前建议先做标准化预处理：

# 地址标准化函数
clean_addr <- function(x) {
  x <- toupper(x) # 统一转为大写
  x <- gsub("[^A-Z0-9\\s]", "", x) # 去除所有非字母、数字、空格的符号
  x <- gsub("\\s+", " ", x) # 合并连续空格为单个空格
  x <- trimws(x) # 去除首尾空格
  return(x)
}
# 两个表的地址分别预处理
rentals$clean_addr <- clean_addr(rentals$address)
parcels$clean_addr <- clean_addr(parcels$address)
# 用标准化后的地址重新匹配
match_matrix <- sapply(rentals$clean_addr, function(addr) {
  grepl(addr, parcels$clean_addr, fixed = TRUE)
})
parcel_matches <- apply(match_matrix, 1, any)
matched_parcels <- parcels[parcel_matches, ]

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