使用R中的模糊逻辑连接两个数据集

时间:2017-06-04 23:36:24

标签: r join string-matching fuzzy-logic fuzzy-comparison

我正在尝试在两个数据集之间的R中进行模糊逻辑连接:

  • 第一个数据集具有位置名称和名为config
  • 的列
  • 第二个数据集具有位置名称和两个在加入第一个数据集之前需要汇总的其他属性。

我想使用name列在两个数据集之间进行连接。但是,name列可能在数据集中包含其他或前导字符,或者在较大的单词中包含一个单词。因此,例如,如果我们查看这两个数据集,我想要加入OPALAS的名称OPAL,以及加入SAUSALITO的SAUSALITO Y.

Dataset1:    
     Name           Config
     ALTO D         BB
     CONTRA         ST
     EIGHT A        DD
     OPALAS         BB
     SAUSALITO Y    AA
     SOLANO J       ST

Dataset2:    
    Name       Age     Rank
    ALTO D     50      2
    ALTO D     20      6
    CONTRA     10      10
    CONTRA     15      15
    EIGHTH     18      21
    OPAL       19      4
    SAUSALITO  2       12
    SOLANO     34      43

数据集总结的代码

Data2a <-summaryBy(Age ~ Name,FUN=c(mean), data=Data2,na.rm=TRUE)
Data2b<-summaryBy(Rank ~ Name,FUN=c(sum), data=Data2,na.rm=TRUE)
Data2<-data.frame(Data2a$Name, Data2a$Age.mean, Data2b$Rank.sum)

Desired Outcome:
    Name        Config  Age   Rank
    ALTO D      BB      35    8
    CONTRA      ST      12.5  25
    EIGHT A     DD      18    21
    OPALAS      BB      19    4
    SAUSALITO Y AA      12    5
    SOLANO J    ST      34    43

1 个答案:

答案 0 :(得分:4)

我能够使用fuzzylogic包加入这两个数据集:

library(fuzzyjoin)
stringdist_inner_join(Dataset1, Data2, by ="Name", distance_col = NULL)