通过变量合并 R 中的两个数据帧，其中一个是正则表达式，另一个是字符串

Question

我有两个要合并的数据框

a<- data.frame(x=c(1,4,6,8,1,6,7,2),ID=c("132","14.","732","2..","132","14.","732","2.."),year=c(1,1,1,1,2,2,2,2))

b<- data.frame(y=c(2,7,5,5,1,1,2,3),ID=c("132","144","732","290","132","144","732","290"),year=c(1,1,1,1,2,2,2,2))

我想用来合并两个数据框的 ID 变量在数据集 a 中并不完全已知。我也想按年合并。它们被称为完全识别的正则表达式。请注意， 是一对一的匹配。在此示例中，您将不会在数据集中找到 ID“1..”，因此不存在模棱两可的匹配项。

我想得到这样的东西：

output<-data.frame(y=c(2,7,5,5,1,1,2,3),x=c(1,4,6,8,1,6,7,2),ID=c("132","144","732","290","132","144","732","290"), year=c(1,1,1,1,2,2,2,2))

我尝试使用 substr 删除正则表达式部分，然后在合并中使用starts_with，但它不起作用。

我收到以下错误消息

Coercing pattern to a plain character vector

当我这样做时：

df_complete <- regex_inner_join(b,a, by=c("ID","year"))

谢谢堆栈溢出...

Answer 1

@jblood94 的评论回答

使用a 和b 作为data.tables：a[, regex_inner_join(b[year == .BY], .SD, by = "ID"), year] – jblood94

Answer 2

您可能想使用fuzzyjoin 包，然后您可以直接使用regex_inner_join()：

fuzzyjoin::regex_inner_join(b,a, by="ID") %>% select(x,y,ID=ID.x)

输出：

  x y  ID
1 1 2 132
2 4 7 144
3 6 5 732
4 8 5 290