合并具有拼写错误变量的重复行答案

【问题标题】：Merging of duplicate rows that have misspelled variables合并具有拼写错误变量的重复行
【发布时间】：2019-03-25 05:00:31
【问题描述】：

我只是在学习 R（和 dplyr），并且遇到了一个可能很简单的问题，尽管我花了数小时研究却没有答案。我在数据框中有两列，A（字符）和B（整数）。

由于原始数据（在 A 列中）拼写不佳，数据框包含额外的行，因此有许多行必须折叠成一行（同时也会折叠它们的整数值）（通过sum()）列B）。

例如，可能有三行应该是一：

汽车......MPG

马自达............5

马自达...... 2

马自达…………1

应该是

汽车...........MPG

马自达............ 8

我正在使用dplyr，并试图找到我可以折叠具有相似字符（例如三个字母）的行并返回原始表格的方式。

任何想法或方向，最好使用基础 R 或 dplyr 将不胜感激。

【问题讨论】：

这将帮助您快速获得适当的答案。 stackoverflow.com/questions/5963269/…

标签： r merge dplyr

【解决方案1】：

使用在注释末尾可重复显示的输入DF，使用soundex 或phonics package 中的其他函数之一为每个CAR 派生一个密钥，然后通过密钥进行汇总：

library(dplyr)
library(phonics)

DF %>% 
  group_by(key = soundex(CAR)) %>%
  summarize(CAR = toString(CAR), MPG = sum(MPG)) %>%
  ungroup %>%
  select(-key)

给予：

# A tibble: 1 x 2
  CAR                   MPG
  <chr>               <int>
1 Mazda, Mazzda, Mzda     8

注意

Lines <- "CAR MPG
Mazda 5
Mazzda 2
Mzda 1"
DF <- read.table(text = Lines, header = TRUE, as.is = TRUE, strip.white = TRUE)

【讨论】：