Question

我打算使用一个公共字符列对两个数据框进行左连接（我们称此名称列）。理想情况下，df1的name列中的所有值都应与df2的name列匹配。但是，我知道有些值可能不完全匹配，但是由于某些拼写或标点错误而部分匹配。例如。在df1中，“约翰·以西结”可以拼写为“约翰·以西结”。我想确保df1中name列的每个值都与df2 name列中的某个值匹配。在大多数情况下，会存在完全匹配，但在没有完全匹配的情况下，我也想将df1的那些值替换为部分匹配程度最高的df2的值。我已经通过重现

说明了这个问题

df1 <- data.frame(name=c("John Ezekial","Mary Elizabeth","Fabio Fonini","Gael Monfils","Lucas Pouile"))    
df2 <- data.frame(name=c("Aron Ramsey","John Doe","John Ezekiel","Mary Elizabeth","Fabio Fognini","Gael Monfils","Marin Cilic","Lucas Pouille","Tomas Berdych","Juan Martin Del Potro"),id=1:10)
> df1
            name
1   John Ezekial
2 Mary Elizabeth
3   Fabio Fonini
4   Gael Monfils
5   Lucas Pouile

> df2
                name     id
1            Aron Ramsey  1
2               John Doe  2
3           John Ezekiel  3
4         Mary Elizabeth  4
5          Fabio Fognini  5
6           Gael Monfils  6
7            Marin Cilic  7
8          Lucas Pouille  8
9          Tomas Berdych  9
10 Juan Martin Del Potro 10

执行df1与df2左连接时，我得到的结果如下：

> df1 %>% left_join(df2)
Joining, by = "name"
            name id
1   John Ezekial NA
2 Mary Elizabeth  4
3   Fabio Fonini NA
4   Gael Monfils  6
5   Lucas Pouile NA

我希望结果数据帧如下所示。如果没有精确匹配，则应将df1中的“名称”值替换为df2中的“名称”值。

   >df3
            name id
1   John Ezekiel 3
2 Mary Elizabeth 4
3   Fabio Fognini 5
4   Gael Monfils 6
5   Lucas Pouille 8

Answer 1

使用Base R，您可以执行以下操作：

 df2[which(adist(df1$name,df2$name)<2,T)[,2],]
                name id
    3   John Ezekiel  3
    4 Mary Elizabeth  4
    5  Fabio Fognini  5
    6   Gael Monfils  6
    8  Lucas Pouille  8

如何检查数据框的字符串列是否与另一个数据框的字符串列匹配？

1 个答案: