Question

我在R中有这个问题，我有一个西班牙社区列表，每个社区内都有一个城镇/城市列表。

例如，这是加泰罗尼亚社区内的市政名单。

因此;加泰罗尼亚是一个社区，在这个社区中，它有一个城镇/城市列表，我想分组/分配一个新的价值'Catalona'。

我在我的数据集中列出了所有城市/城镇/城市，我想将它们分组到以下社区;安达卢西亚，加泰罗尼亚，巴斯克地区，马德里等。

首先，我如何将这些行分组到社区列表中？

例如; el prat de llobregat是加泰罗尼亚的一个城市，所以我想将此地址分配给Catalonia地区。赫塔菲是马德里的一个自治市，所以我想将其分配给马德里的价值。阿利坎特是瓦伦西亚的一个城市，所以我想把这个分配给瓦伦西亚。等

＃

这是我的第一个问题，如果你能够帮助解决这个问题，我会非常感激。

但是，我的数据集并不干净，我尽力删除西班牙语口音，删除市政名称中不必要的代码标识符，但仍然包含一些小错误。例如，castellbisbal是加泰罗尼亚的一个自治市，但有些条目的拼写错误非常小，即包括1'l'而不是2'，拼写错误; （比斯瓦尔堡）。

这些错误是人为错误，非常小，有什么方法可以解决这个问题吗？

我正在考虑所有正确拼写的名称的向量，然后根据一定比例的重复名称重命名拼写错误的名称，这可行吗？例如，castellbisbal长度为13个字符，错误为1个字符，错误率低于8％。我可以根据错误率重命名值吗？

您对如何继续第二部分有任何建议吗？

任何提示/建议都会很棒。

Answer 1

至于拼写错误，你试过soundex算法吗？它就是为此而且至少有两个R包实现它。

library(stringdist)

phonetic("barradas")
[1] "B632"
phonetic("baradas")
[1] "B632"

相同单词的soundex代码与包phonics相同。

library(phonics)

soundex("barradas")
[1] "B632"
soundex("baradas")
[1] "B632"

你所要做的就是比较soundex代码，而不是单词本身。请注意，soundex是专为英语设计的，所以它只能处理英语字符而不是重音符号。但是你说你已经在照顾那些，所以它可能与你必须要处理的词有关。