如何删除变量内的部分重复信息，但字段之间的重复信息

Question

House_Number<-c("11", "14 Jas", "24 Baker Street", "38 Home Close", "Flat 6, 85", "Flat 9", "38 Hightower Close BG6 7HU")
Street<-c("Pascale Street", "Jasmine Court", "24 Baker Street", "Home Close", "85 The Strand", "28 Lake Close", "38 Hightower Close BG6 7HU")
Postcode<-c("AB1 2BY", "AC2 3DF", "DF4 5TH", "FG4 8TG", "CF5 6YH", "DH7 8UJ", "38 Hightower Close BG6 7HU")
(df<-as.data.frame(cbind(House_Number,Street,Postcode)))

我在多个字段中有地址数据；House_Number、街道、邮政编码，其中一些字段中有完全或部分重复的信息。

我计划将这些字段连接在一起，形成一行地址。然而，重复的信息将意味着我最终得到了错误的地址。

因此，我需要从其中一个字段中删除重复的信息。我认为在街道字段中保留完整的信息将是最好的(所以在街道字段中保持街道名称完整，而不是删除它并将其放在House_Number字段中)，但这纯粹是首选项，不应该有太大的不同。我如何才能做到这一点呢？

理想情况下，数据帧之后应该是这样的：

House_Number<-c("11", "14 ", "", "38", "Flat 6, ", "Flat 9", "")
Street<-c("Pascale Street", "Jasmine Court", "24 Baker Street", "Home Close", "85 The Strand", "28 Lake Close", "38 Hightower Close BG6 7HU")
Postcode<-c("AB1 2BY", "AC2 3DF", "DF4 5TH", "FG4 8TG", "CF5 6YH", "DH7 8UJ", "")
(df_correct<-as.data.frame(cbind(House_Number,Street,Postcode)))

提前谢谢你

Answer 1

你可以试试这样的东西。由于像Jas这样的东西，这要困难得多。

library(dplyr)
library(purrr)

df %>%
  mutate(across(where(is.factor), as.character)) %>%
  mutate(across(everything(), ~str_split(.x, " "))) %>%
  mutate(
    House_Number = map2(House_Number, Street, function(x,y) x[!map_lgl(x, ~any(str_detect(y, .x)))]),
    Postcode = map2(Postcode, Street, function(x,y) x[!map_lgl(x, ~any(str_detect(y, .x)))])
  ) %>%
  mutate(across(everything(), ~map_chr(.x, ~str_c(.x, collapse = " "))))

提供：

  House_Number                     Street Postcode
1           11             Pascale Street  AB1 2BY
2           14              Jasmine Court  AC2 3DF
3                         24 Baker Street  DF4 5TH
4           38                 Home Close  FG4 8TG
5      Flat 6,              85 The Strand  CF5 6YH
6       Flat 9              28 Lake Close  DH7 8UJ
7              38 Hightower Close BG6 7HU 

请注意，如果有输入错误或小写/大写，这将不起作用。此外，有时这可能会删除一些您不想删除的内容，这真的取决于用例。