我想要加入两个数据帧。他们共享两个字段:group_id
和person_name
。我想完全加入group_id
并在person_name
上模糊。我怎么能这样做?
约束:
group_id
精确且person_name
模糊必须出现在左右框架中。这是一个小例子:
a = data.frame(
group_id=c(1,2,2,3,3,3),
person_name=c('Alice', 'Bob', 'Charlie', 'David', 'Eve', 'Frank'),
eye_color=c('brown', 'green', 'blue', 'brown', 'green', 'blue')
)
b = data.frame(
group_id=c(2,2,2,3,3,3,3),
person_name=c('Alie', 'Bobo', 'Charles', 'Charlie', 'Davis', 'Eva', 'Zed' ),
hair_color=c('brown', 'brown', 'black', 'grey', 'brown', 'black', 'blond')
)
expected = data.frame(
group_id=c(2,2,3,3),
person_name_x=c('Bob', 'Charlie', 'David', 'Eve'),
person_name_y=c('Bobo', 'Charles', 'Davis', 'Eva'),
eye_color=c('green', 'blue', 'brown', 'green'),
hair_color=c('brown', 'black', 'brown', 'black')
)
答案 0 :(得分:1)
你可以尝试
library(RecordLinkage)
library(tidyverse)
compare.linkage(a, b, strcmp = 2, exclude=3, blockfld = 1) %>%
epiWeights %>%
epiClassify(.8) %>%
getPairs(show="links", single.rows=T) %>%
.[(c(2,3,7,4,8))]
# group_id.1 person_name.1 person_name.2 eye_color.1 hair_color.2
# 3 2 Charlie Charles blue black
# 2 2 Bob Bobo green brown
# 4 3 David Davis brown brown
# 5 3 Eve Eva green black
答案 1 :(得分:0)
在这个例子中,我们基本上需要一个混合连接。对于一列(group_id
),我们需要列名的精确匹配,而对于另一列(person_name
),我们需要一个模糊连接。
一种方法:
library(fuzzyjoin)
common_id <- intersect(a$group_id, b$group_id)
stringdist_inner_join(a[a$group_id %in% common_id, ], b[b$group_id %in% common_id, ],
by = "person_name")
# group_id.x person_name.x eye_color group_id.y person_name.y hair_color
# <dbl> <fctr> <fctr> <dbl> <fctr> <fctr>
#1 2 Bob green 2 Bobo Brown
#2 2 Charlie blue 2 Charles Black
#3 3 David brown 3 Davis Brown
#4 3 Eve green 3 Eva Black
在这里,我们首先找到使用group_id
的常见intersect
个,这些a
存在于两个数据框中,并相应地从b
和stringdist_inner_join
过滤掉它们然后仅在person_name
列上使用group_id
函数。我们稍后可以删除已生成的额外cAmount : Currency;
cAmount := Query1.FieldByName('AMOUNT').AsCurrency;
列。