在部分匹配时合并2个data.tables

Question

我有data.table 1，例如：

entidad                 municipio                   col1   
AGUASCALIENTES          Aguascalientes              5000
PUEBLA                  Jes�s Mar�a                 3000
VALLE                   Calvillo                    2000
JALISCO                 Pabell�n de Arteaga         1000

和data.table 2，如：

entidad                 municipio                   col2   
AGUASCALIENTES          Aguascalientes              16369
PUEBLA                  Jesus Maria                 1687
VALLE                   Calvillo                    916
JALISCO                 Pabellon de Arteaga         774

，我想使用entidad和municipio列（如merge(dt1, dt2, by = c('entidad', 'municipio'))进行合并，在两列或仅在列municipio中使用部分匹配）。但是，问题在于data.table 1具有重音符号和奇怪的符号�，因此municipio列在3种不同情况下可能会有所不同：1）带有重音符号，2）带有符号�或名称略有不同（dt1中的ej'ciudad juarez'和dt2中的'Juárez'）。由于我对使用字符串/字符列不是很熟悉，所以我想知道在这种情况下是否有人可以帮助我确定如何执行合并？我想从上一示例中获得以下结果：

entidad                 municipio                   col1    col2
AGUASCALIENTES          Aguascalientes              5000    16369
PUEBLA                  Jesus Maria                 3000    1687
VALLE                   Calvillo                    2000    916
JALISCO                 Pabellon de Arteaga         1000    774

Answer 1

您可以使用fuzzyjoin软件包中的stringdist_join函数：

library(fuzzyjoin)
stringdist_join(d1, d2,
                by = c("entidad","municipio"),
                max_dist = 2,
                method = "lv")

这给出了：

       entidad.x         municipio.x col1      entidad.y         municipio.y  col2
1 AGUASCALIENTES      Aguascalientes 5000 AGUASCALIENTES      Aguascalientes 16369
2         PUEBLA         Jes�s Mar�a 3000         PUEBLA         Jesus Maria  1687
3          VALLE            Calvillo 2000          VALLE            Calvillo   916
4        JALISCO Pabell�n de Arteaga 1000        JALISCO Pabellon de Arteaga   774

之后，您可以使用dplyr::select保留所需的列。