Question

我想问一个关于fuzzyjoin包的问题。我是R的新手，我保证在我提出这个问题之前，我已阅读了自述文件并在https://cran.r-project.org/web/packages/fuzzyjoin/index.html上通过了示例。

我有一份我想与植物种名称相匹配的俗名。我的列表的简单版本如下所示。数据1有一个LocalName列，其中包含很多本地名称的拼写错误。数据2是具有正确的本地名称和物种的表，其中匹配应该基于。

data1 <- data.frame(Item=1:5, LocalName=c("BACTERIA F", "BAHIA", "BAIKEA", "BAIKIA", "BAIKIAEA SP")) 
data 1
  Item   LocalName
1    1  BACTERIA F
2    2       BAHIA
3    3      BAIKEA
4    4      BAIKIA
5    5 BAIKIAEA SP
data2 <- data.frame(LocalName=c("ENGOKOM","BAHIA","BAIKIA","BANANIER","BALANITES"), Species=c("Barteria fistulosa","Mitragyna spp","Baikiaea spp", "Musa spp", "Balanites wilsoniana"))
data2
      LocalName              Species
1   ENGOKOM   Barteria fistulosa
2     BAHIA        Mitragyna spp
3    BAIKIA         Baikiaea spp
4  BANANIER             Musa spp
5 BALANITES Balanites wilsoniana

我尝试使用stringdist_left_join函数，并设法正确匹配多个物种。我设置max_dist = 1是保守的，因为在我的列表中，许多白话名称非常相似。

library(fuzzyjoin)
table <- data1%>%
stringdist_left_join(data2, by=c(LocalName="LocalName"), max_dist=1)
table

  Item LocalName.x LocalName.y       Species
1    1  BACTERIA F        <NA>          <NA>
2    2       BAHIA       BAHIA Mitragyna spp
3    3      BAIKEA      BAIKIA  Baikiaea spp
4    4      BAIKIA      BAIKIA  Baikiaea spp
5    5 BAIKIAEA SP        <NA>          <NA>

但是，我有一个问题。从data1可以看出，Item 5 BAIKIAEA SP实际上与data2的Species列匹配，而不是LocalName。我有很多这样的条目，其中数据1中的LocalName是本地名称的错别字或物种名称，但是，我不知道如何使stringdist_left_join匹配两列数据2与一列数据1.我尝试修改代码进入这样的事情：

table <- data1%>%
stringdist_left_join(data2, by=c(LocalName="LocalName"|"Species"), max_dist=1)

但它不起作用，引用“LocalName”|“Species”中的“错误”：操作只适用于数字，逻辑或复杂类型“。有谁知道这种匹配是否可行？提前感谢！

Fuzzyjoin匹配基于两个不同的列而不是一个？

0 个答案: