求助：基于R语言标准化CSV文件中的地址数据

嘿，我来帮你搞定这个地址标准化的问题！你提到之前用gsub没成功，咱们一步步拆解任务，把所有需求都实现到位～

首先明确咱们要完成的任务清单：

• 移除地址中的所有句号（.）
• 清除多余空格（包括首尾空格和中间连续的多个空格）
• 将地址缩写统一替换：St → street、Rd → Road
• 处理数据中的重复项（可选但你提到了这个问题）

步骤1：读取CSV文件 #

先把你的CSV文件读进R里，这里推荐用tidyverse的read_csv（处理字符串更灵活），当然基础R的read.csv也可以：

# 加载tidyverse包（如果没安装先跑install.packages("tidyverse")）
library(tidyverse)
df <- read_csv("你的CSV文件名.csv")

# 基础R替代写法
# df <- read.csv("你的CSV文件名.csv", stringsAsFactors = FALSE)

步骤2：编写地址标准化函数 #

咱们写一个自定义函数，把所有处理逻辑整合进去，这样可以批量处理Address1和Address2列：

standardize_address <- function(address) {
  # 1. 移除所有句号
  address <- gsub("\\.", "", address)
  # 2. 替换地址缩写：用\\b确保只替换独立的单词，避免误替换（比如不替换"East"里的"st"）
  # ignore.case = TRUE 匹配大小写不同的情况（比如ST、rd）
  address <- gsub("\\bSt\\b", "street", address, ignore.case = TRUE)
  address <- gsub("\\bRd\\b", "Road", address, ignore.case = TRUE)
  # 3. 清除多余空格：先去首尾空格，再把中间连续空格换成单个空格
  address <- trimws(address)
  address <- gsub("\\s+", " ", address)
  return(address)
}

步骤3：应用函数到地址列 #

把标准化函数应用到需要处理的地址列：

# tidyverse管道写法，更清晰
df <- df %>%
  mutate(
    Address1 = standardize_address(Address1),
    Address2 = standardize_address(Address2)
  )

# 基础R替代写法
# df$Address1 <- standardize_address(df$Address1)
# df$Address2 <- standardize_address(df$Address2)

步骤4：处理重复数据 #

你提到数据有重复，处理完地址后可以用distinct()去重：

# 按所有列去重，保留唯一行
df <- df %>% distinct()

# 或者按EmailAddress去重（保留每个邮箱的第一条记录）
df <- df %>% distinct(EmailAddress, .keep_all = TRUE)

最终示例结果 #

用你提供的测试数据，处理后会得到这样的标准化结果：

如果你之前用gsub没成功，大概率是没考虑单词边界（比如直接替换St会误改其他单词）或者空格清理的顺序，这个函数应该能解决你的问题～

内容的提问来源于stack exchange，提问作者jsingh