如何使用str_extract提取地址信息且模式不匹配时不丢失数据？

你遇到的核心问题是直接用str_extract的结果覆盖了add2列，导致原本已经正确的内容被NA替换了。我们需要调整逻辑，只对那些add1中包含目标模式（Apt/Unit + 数字）的行进行提取和更新，同时保留add2原有的内容。

步骤说明 #

1. 先从add1中提取公寓/单元号模式，存为临时列，避免直接覆盖add2。
2. 仅当提取到有效内容时，更新add2；否则保留add2原有的值。
3. 把add1中提取出来的公寓/单元号部分移除，让add1只保留街道地址。
4. 清理地址中可能残留的多余空格。

完整代码示例 #

library(dplyr)
library(stringr)

# 你的原始数据（还原真实场景：部分行的add1包含公寓号，add2为空）
data <- tibble(
  name = c("John Doe", "Jane Doe", "Jerry Day", "Tom May"),
  add1 = c("123 Main St", "2 S Main Apt 5", "77 N Main Unit 1", "11 E Main"),
  add2 = c("Apt 2", "", "", "PO Box 7")
)

# 处理地址格式化
data_cleaned <- data %>%
  # 提取add1中的Apt/Unit模式，支持任意位数的数字
  mutate(apt_extract = str_extract(add1, "Apt \\d+|Unit \\d+")) %>%
  # 更新add2：如果提取到内容就用提取值，否则保留原add2
  mutate(add2 = if_else(!is.na(apt_extract), apt_extract, add2)) %>%
  # 从add1中移除提取到的公寓号部分
  mutate(add1 = str_remove(add1, "Apt \\d+|Unit \\d+")) %>%
  # 去除地址前后的多余空格
  mutate(add1 = str_trim(add1)) %>%
  # 删除临时列
  select(-apt_extract)

# 查看结果
print(data_cleaned)

运行结果 #

# A tibble: 4 × 3
  name       add1        add2    
  <chr>      <chr>       <chr>   
1 John Doe   123 Main St Apt 2   
2 Jane Doe   2 S Main    Apt 5   
3 Jerry Day  77 N Main   Unit 1  
4 Tom May    11 E Main   PO Box 7

关键优化点 #

• 把模式从"Apt [0-9]{1}|Unit [0-9]{1}"改成"Apt \\d+|Unit \\d+"，可以匹配任意位数的公寓号（比如Apt 10、Unit 234），适用性更强。
• 使用if_else来保留原add2的内容，避免被NA覆盖。
• 用str_trim清理地址中可能残留的空格，保证格式整洁。

内容的提问来源于stack exchange，提问作者SGarg