Question

我有一个餐馆数据集，变量“CONAME”包含每个企业的名称。不幸的是，有很多拼写错误，我想纠正它们。我使用以下代码尝试使用agrep进行模糊集匹配（我将对所有主链进行重复）：

rest2012 $ CONAME＆lt; - agrep（“MC DONALD'S”，rest2012 $ CONAME，ignore.case = FALSE，value = FALSE，max.distance = 3）

我收到以下错误消息： $<-.data.frame中的错误（*tmp*，“CONAME”，值= c（35L，40L，48L，：替换有3074行，数据有67424

我是否有其他方法可以替换拼写错误的名称，或者我只是简单地使用agrep函数？

Answer 1

当agrep与value = FALSE一起使用时，结果是“一个向量，给出了产生匹配的元素的索引”。也就是说，您向agrep提供的名称向量中的匹配位置。然后尝试使用较短的索引整个名称变量 >（其中3074个）。不是你想要的。这是一个小例子，也许可以指导你正确的方向。您还可以阅读?Extract和this。 agrep本身的详细信息（例如max.distance），我留给您。

# create a data frame with some MC DONALD's-ish names, and some other names.
rest2012 <- data.frame(CONAME = c("MC DONALD'S", "MCC DONALD'S", "SPSS Café", "GLM RONALDO'S", "MCMCglmm"))
rest2012

# do some fuzzy matching with 'agrep'
# store the indices in an object named 'idx'
idx <- agrep(pattern = "MC DONALD'S", x = rest2012$CONAME, ignore.case = FALSE, value = FALSE, max.distance = 3)
idx

# just look at the rows in the data frame that matched
# indexing with a numeric vector 
rest2012[idx, ]

# replace the elements that matches 
rest2012[idx, ] <- "MC DONALD'S"
rest2012

用agrep替换拼写错误的值

1 个答案: