Question

我是R的真正初学者，我只有两个列表，其中有城市名称。一个列表包含用户生成的名称（人们拼写混乱），而另一个列表包含名称的拼写形式。

我尝试使用软件包 stringdist ，最后得到了一个循环（用于）并给出最接近匹配的代码。但是我只能输入向量，我真的需要使用数据帧。

这是我的代码（哦，男孩，感觉很尴尬）：

 input <- "BAC"   #misspelled 
  correct <- c("ABC", "DEF", "GHI", "JKL") #list with all correct names
  shortest <- -1a

for (word in correct) {

  dist <- stringdist(input, word)
  #checks if it's a match!
  if (dist == 0){
    closest <- palavra
    shortest <- 0

    break

  }

  if(dist <= shortest || shortest < 0){
    closest <- word
    shortest <- dist

  }

}


if(shortest == 0){ 
  print("It's a match!")
} else {
  print(closest)
}

想法是使用此代码有一个主意，我想从此转向在数据帧的每一行中使用 stringdist 。我什至不知道这是否是一个好主意，如果这样做会占用太多的处理能力，不要害怕说这是愚蠢的。谢谢！

Answer 1

stringdist包中有一个特殊功能，名为amatch：

input <- "BAC"   #misspelled 
correct <- c("ABC", "DEF", "GHI", "JKL") 

correct[amatch(input, correct, maxDist = Inf)]
# "ABC"

这也将同时适用于多个输入单词，因此无需使用for循环

input <- c("New Yorkk", "Berlyn", "Pariz") # misspelled 
correct <- c("Berlin", "Paris", "New York", "Los Angeles") # correct names

correct_words <- correct[amatch(input, correct, maxDist = Inf)]
data.frame(input, correct_words)

 #       input correct_words
 #   New Yorkk      New York
 #      Berlyn        Berlin
 #       Pariz         Paris

获取两个列表之间最接近的字符串匹配

1 个答案: