r - 通过 stringmatch 与 dplyr 和 stringdist 合并两个数据帧

Question

我正在尝试基于非常相似的语言对两个数据帧进行 dplyr 左连接（这不准确）。

DF1：

title | records
Bob's show, part 1 | 42
Time for dinner | 77
Horsecrap | 121

DF2：

showname | counts
Bob's show part 1 | 772
Dinner time | 89
No way Jose | 123

我执行此操作以使用 stringdist 包/库将字符串距离作为向量获取：

titlematch <- amatch(df1$title,df2$showname) 

向量看起来像......好吧，一个整数向量：

titlematch
1
2
NA

通常，如果我有完全匹配，我会这样做：

blended <- left_join(df1, df2, by = c("title" = "showname"))

如何使用向量作为记录选择器进行左连接，以便最终结果为：

title | records | showname | counts
Bob's show, part 1 | 42 | Bob's show part 1 | 772
Time for dinner | 77 | Dinner time | 89

由于向量 (NA) 中没有可能的匹配项，因此排除了第三个不匹配项。

Answer 1

这里有一个镜头，

library(stringdist)
library(tidyverse)

df1 %>%
  as_tibble() %>%
  mutate(temp = amatch(title, df2$showname, maxDist = 10)) %>%
  bind_cols(df2[.$temp, ]) %>%
  select(-temp)

# A tibble: 3 x 4
  title              records showname          counts
  <chr>                <int> <chr>              <int>
1 Bob's show, part 1      42 Bob's show part 1    772
2 Time for dinner         77 Dinner time           89
3 Horsecrap              121 Dinner time           89

我无法重现您的数字匹配向量，因为它看起来默认为 0.1，所以我设置amatch(df1$title, df2$showname)为10。[1] NA NA NAmaxDist

最后，您始终可以添加%>% filter(is.na(showname))以删除任何不匹配的行。

数据

df1 <- structure(list(title = c("Bob's show, part 1", "Time for dinner", 
"Horsecrap"), records = c(42L, 77L, 121L)), .Names = c("title", 
"records"), row.names = c(NA, -3L), class = "data.frame")

df2 <- structure(list(showname = c("Bob's show part 1", "Dinner time", 
"No way Jose"), counts = c(772L, 89L, 123L)), .Names = c("showname", 
"counts"), row.names = c(NA, -3L), class = "data.frame")

Answer 2

卡米尔在评论中建议：

你看过fuzzyjoin吗？

我以前从未听说fuzzyjoin过，但我尝试过并喜欢它。stringdist_left_join正是我所需要的。