修复 R 中邮政编码到县转换的数据集答案

【问题标题】：Fixing the dataset for zipcode to county conversion in R修复 R 中邮政编码到县转换的数据集
【发布时间】：2021-01-09 04:34:57
【问题描述】：

我有这个数据集，可以很好地将邮政编码转换为县，但问题是它没有以传统方式列出所有邮政编码（尽管其中大部分都列在正常的 5 位格式）。例如：无法找到的 10090 或 10080，因为它在数据集中列为“100HH”。 29071 也找不到，因为它被列为“290XX”（另外，我认为他们可能把这个县弄错了，因为我认为它应该是列克星敦县，而不是里奇兰，但我不确定）。我想要这样，如果有人输入“10090”，它将被解释为“100HH”以找到正确的县。这看起来很简单，但我在这个数据集中发现了 1100 多个不同的“XX”和“HH”邮政编码。任何建议都是有帮助的！谢谢！

library(httr) 
urlCounties <- "https://raw.githubusercontent.com/scpike/us-state-county-zip/master/geo-data.csv"
zipcodeToCountyData <- content(GET(urlCounties), type = 'text/csv')

zipcodeToCounty<- function(zip) {
    tbl.county <- subset(zipcodeToCountyData, zipcode == zip) 
      countyName <- tbl.county$county
      stateName <- tbl.county$state
      return(list(countyName, stateName))
}

【问题讨论】：

是否有一个公用键，使得H 可以表示任何数字？或者HH 仅对一组特定区域具有特殊含义？ X 在这方面有何不同？（为什么这些状态是错误的？我不知道有什么地方认为 New york 和 New mexico 是正确的。似乎有些代码对 "Sentence case conversion" 与 “标题大小写转换”.）
后见之明：census.gov defines ZCTAs HH 用于没有邮政编码的大片水域，ZZ 是没有邮政编码的大片土地；在 2010 年的人口普查中，据称这种做法已被淘汰。 *耸耸肩*

标签： r database dataframe dataset

【解决方案1】：

您可以使用以下内容。但我不太确定你想如何决定是要 XX 还是要 HH。

library(tidyverse)
zipcodeToCounty<- function(zip) {
  tbl.county <- subset(zipcodeToCountyData, zipcode == zip) 
  if(nrow(tbl.county)==0){
    tbl.county <- zipcodeToCountyData %>% 
      filter(str_sub(zipcode, 1,3) == str_sub(zip,1,3)) %>% 
      arrange(zipcode) %>% ## HH as first choice ??
      head(1)
  }
  countyName <- tbl.county$county
  stateName <- tbl.county$state
  return(list(countyName, stateName))
}

【讨论】：