如何在R中匹配两个数据集的德国NUTS-3级行政区名称？

针对名称不匹配导致的连接失效问题，最可靠的解决方案是依赖唯一编码而非名称匹配，以下是具体实现路径：

1. 优先使用NUTS编码匹配 #

giscoR获取的Eurostat shapefile必然包含NUTS_ID字段（格式如DE111，是欧盟统一的NUTS-3级唯一编码），这是最稳定的匹配键。

• 如果你的PM2.5数据集（df_2021）没有NUTS_ID，可以通过权威映射表给kreis列补充编码：
  • 整理一份德国NUTS-3名称与NUTS_ID的对应表（可从Eurostat官方NUTS目录或德国联邦统计局资料提取）
  • 用这份映射表给df_2021添加NUTS_ID列，之后直接通过NUTS_ID执行left_join()

2. 德国本地行政区编码（AGS）匹配 #

德国的**Amtlicher Gemeindeschlüssel（AGS，官方行政区编码）**是更细分的本地唯一编码，NUTS-3级行政区（Kreis/Kreisfreie Stadt）通常对应一个或多个AGS的前5位编码。

• 若任一数据集包含AGS，可通过AGS与NUTS-3的映射关系完成关联；若均无，同样可通过权威资料生成映射表后补充编码，再进行连接。

3. 名称清洗（备选方案，可靠性低于编码） #

如果实在无法获取编码，可通过标准化名称来尝试匹配，但需注意仍存在小概率误差：

• 统一后缀：移除或标准化"Kreisfreie Stadt"、"Stadtkreis"、"Kreis"这类后缀，比如全部替换为空字符串
• 处理缩写与特殊字符：将"St."替换为"Stadt"、"Kr."替换为"Kreis"，把变音符号（ä/ö/ü）转换为ae/oe/ue，统一大小写并移除多余空格、标点
• R语言示例代码：

  library(stringr)
  # 清洗PM2.5数据集的kreis列
  df_2021$kreis_clean <- df_2021$kreis %>%
    str_to_upper() %>%
    str_remove_all("KREISFREIE STADT |STADTKREIS |KREIS ") %>%
    str_replace_all(c("Ä" = "AE", "Ö" = "OE", "Ü" = "UE", "\\." = ""))
  
  # 清洗shapefile的NUTS_NAME列
  nuts3_germany$NUTS_NAME_clean <- nuts3_germany$NUTS_NAME %>%
    str_to_upper() %>%
    str_remove_all("KREISFREIE STADT |STADTKREIS |KREIS ") %>%
    str_replace_all(c("Ä" = "AE", "Ö" = "OE", "Ü" = "UE", "\\." = ""))
  
  # 使用清洗后的列执行连接
  left_join(df_2021, nuts3_germany, by = c("kreis_clean" = "NUTS_NAME_clean"))
  

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