模糊匹配数字

Question

我有一个很大的数据集，其中包含出生日期（“出生日期”）字段，但是经常出现错别字。我正在尝试匹配记录，其中“ dob”可以偏离一两位数字。我不是要查找接近“开始”的日期（例如difftime），因为它们的错别字可能在年或月部分。我认为agrep是正确的工具，因为您可以与替换项匹配，但无法使其按我的意愿工作。

我尝试匹配日期的代码

df <- data.frame(dob = c(as.Date("2018-01-01"), as.Date("2015-05-05"), as.Date("2011-11-11")))
df %>% filter(agrepl("2011-11-10", dob, max.distance=list(sub=2)))

按我期望的那样返回2011-11-11的行。 但是，仅当日期为一位数字关闭时，它才返回匹配项。即使我设置了sub=5，它似乎也没有改变结果。我想要两个数字可能是错误的比赛。例如

df %>% filter(agrepl("2011-02-11", dob, max.distance=list(sub=2)))

仍会返回2011-11-11

Answer 1

在cost参数中为substitutions和max.distance添加最大容差似乎可以解决问题。

尝试

df %>% filter(agrepl("2011-02-11", dob, max.distance=list(sub=2, cost=2)))