regex - R - 将可变数量的空格插入邮政编码字符串

Question

我有一组需要重新格式化的英国邮政编码。它们由一个 incode 和一个 outcode 组成，其中 incode 的形式是“数字字母字母”，例如2DB 和 outcode 是 2 到 4 个字母和数字的组合，例如NW1 或 SW10 或 EC1A

目前 incode 和 outcode 之间有一个空格，但我需要重新格式化这些，以便完整的邮政编码为 7 个字符，例如:('-' 代表空格)

• NW1-2DB -> NW1-2DB(outcode 和 incode 之间有 1 个空格)
• SW10-9NH -> SW109NH(0 个空格)
• E1-6QL -> E1--6QL(2 个空格)

数据:

df <- data.frame("postcode"=c("NW1 2DB","SW10 9NH","E1 6QL"))
df
#   postcode
# 1  NW1 2DB
# 2 SW10 9NH
# 3   E1 6QL

我已经编写了一个正则表达式字符串来分隔 outcode 和 incode，但找不到在它们之间添加可变数量空格的方法(此示例只是在 outcode 和 incode 之间创建两个空格)。

require(dplyr)
df <- df %>% mutate(postcode_2sp = gsub('?(\\S+)\\s*?(\\d\\w{2})$','\\1  \\2', postcode)

为了解决这个问题，我尝试使用 mutate() , nchar()和 rep() :

df<-df %>% 
  mutate(outcode=gsub('?(\\S+)\\s*\\d\\w{2}$','\\1',postcode),
         incode=gsub('\\S+\\s*?(\\d\\w{2})$','\\1',postcode)) %>%
  mutate(out_length=nchar(outcode))%>%
  mutate(postcode7=paste0(outcode,
                          paste0(rep(" ",4-out_length),collapse=""),
                          incode))

但得到这个错误:

Error: invalid 'times' argument

没有创建 postcode7 的最后一步，df 如下所示:

df
#   postcode outcode incode out_length 
# 1  NW1 2DB     NW1    2DB          3  
# 2 SW10 9NH    SW10    9NH          4 
# 3   E1 6QL      E1    6QL          2 

如果我将 rep 'times' 参数设置为常量，代码会按预期运行(但不会执行我需要它执行的操作!)

df<-df %>% 
  mutate(outcode=gsub('?(\\S+)\\s*\\d\\w{2}$','\\1',postcode),
         incode=gsub('\\S+\\s*?(\\d\\w{2})$','\\1',postcode)) %>%
  mutate(out_length=nchar(outcode))%>%
  mutate(postcode7=paste0(outcode,
                          paste0(rep(" ",4),collapse=""),
                          incode))
df
#   postcode outcode incode out_length   postcode7
# 1  NW1 2DB     NW1    2DB          3  NW1    2DB
# 2 SW10 9NH    SW10    9NH          4 SW10    9NH
# 3   E1 6QL      E1    6QL          2   E1    6QL

有没有办法制作rep()接受一个列作为 mutate 中的 times 参数？还是我应该寻找一种完全不同的方法？

编辑:我刚刚意识到我可以使用 if输出代码中的 2 个字符、3 个字符或 4 个字符的每种情况的语句，但感觉不是很优雅。

Answer 1

查看 stringr 包中的 str_pad 方法，该方法适合您的情况:

library(stringr)
df<-df %>% 
    mutate(outcode=gsub('?(\\S+)\\s*\\d\\w{2}$','\\1',postcode),
           incode=gsub('\\S+\\s*?(\\d\\w{2})$','\\1',postcode)) %>%
    mutate(out_length=nchar(outcode)) %>% 
    mutate(postcode7 = paste(outcode, str_pad(incode, 7-out_length), sep = ""))

df
#   postcode outcode incode out_length postcode7
# 1  NW1 2DB     NW1    2DB          3   NW1 2DB
# 2 SW10 9NH    SW10    9NH          4   SW109NH
# 3   E1 6QL      E1    6QL          2   E1  6QL