你好,我需要一些关于字符串匹配的建议。
我有一个庞大的投资者数据集以及他们参与的各种交易。
一些投资者及其交易数据与我的调查无关,我有一份与数据相关的获批准投资者的总清单。
我相信我可以根据我的完整数据集将此批准投资者的主列表进行模糊字符串匹配,以识别包含相关信息的行。
是否可以使用模糊匹配来匹配列表,然后在列中生成 0 或 1 的值来区分已批准与未批准?
我正在使用 R 和 FuzzywuzzyR 包,也欢迎其他建议。
一个虚构的数据示例如下,实际上有 23 列变量。获批投资者的总名单只是一个长长的名单。
投资者 | 交易规模 | 交易日期 |
---|---|---|
3i Group | 4.5 | 20/03/19 |
123 IM | 2.3 | 12/04/18 |
Ørsted | 6.7 | 25/08/17 |
KKR | 7.4 | 23/09/17 |