Question

我在R中使用'agrep'函数，它返回一个匹配向量。我想要一个类似于agrep的函数，它只返回最佳匹配，或者如果有关系则返回最佳匹配。目前，我正在使用包'cba'中的'sdist（）'函数对结果向量的每个元素执行此操作，但这似乎非常多余。

/ edit：这是我目前正在使用的功能。我想加快速度，因为计算距离两次似乎是多余的。

library(cba)
word <- 'test'
words <- c('Teest','teeeest','New York City','yeast','text','Test')
ClosestMatch <- function(string,StringVector) {
  matches <- agrep(string,StringVector,value=TRUE)
  distance <- sdists(string,matches,method = "ow",weight = c(1, 0, 2))
  matches <- data.frame(matches,as.numeric(distance))
  matches <- subset(matches,distance==min(distance))
  as.character(matches$matches)
}

ClosestMatch(word,words)

Answer 1

agrep包使用Levenshtein Distances来匹配字符串。 RecordLinkage包具有C函数来计算Levenshtein距离，可以直接用于加速计算。这是一个重做ClosestMatch函数，速度快了大约10倍

library(RecordLinkage)

ClosestMatch2 = function(string, stringVector){

  distance = levenshteinSim(string, stringVector);
  stringVector[distance == max(distance)]

}

Answer 2

RecordLinkage包已从CRAN中删除，请改为使用stringdist：

library(stringdist)

ClosestMatch2 = function(string, stringVector){

  stringVector[amatch(string, stringVector, maxDist=Inf)]

}

agrep：只返回最佳匹配

2 个答案: