【发布时间】：2020-07-14 23:18:02
【问题描述】：
library(tidyverse)
library(fuzzyjoin)
df1 <- tibble(col1 = c("apple", "banana", "carrot"),
col2 = as.numeric(0:2),
col3 = as.numeric(0:2))
#> # A tibble: 3 x 3
#> col1 col2 col3
#> <chr> <int> <int>
#> 1 apple 0 0
#> 2 banana 1 1
#> 3 carrot 2 2
df2 <- tibble(col4 = c("app", "carr"), col5 = c(5, 9), matched = rep(TRUE, 2))
#> # A tibble: 2 x 3
#> col4 col5 matched
#> <chr> <dbl> <lgl>
#> 1 app 5 TRUE
#> 2 carr 9 TRUE
我在df1 和df2 上方有两个数据框。 我需要为df1 创建一个新列，说明每一行是否与df2 中的条目匹配。
我还得模糊匹配，而且模糊需要不区分大小写（因此自定义了ci_str_detect函数）：
ci_str_detect <- function(x, y){str_detect(x, regex(y, ignore_case = TRUE))}
df1 %>%
fuzzy_inner_join(df2, by = c("col1" = "col4"), match_fun = ci_str_detect)
#># A tibble: 2 x 6
#> col1 col2 col3 col4 col5 matched
#> <chr> <dbl> <dbl> <chr> <dbl> <lgl>
#>1 apple 0 0 app 5 TRUE
#>2 carrot 2 2 carr 9 TRUE
不幸的是（在这种情况下）fuzzyjoin R 包似乎只做 INNER JOIN，而不是我需要的 LEFT JOIN。
最终我需要这个输出：
#> # A tibble: 3 x 6
#> col1 col2 col3 col4 col5 matched
#> <chr> <dbl> <dbl> <chr> <dbl> <lgl>
#> 1 apple 0 0 app 5 TRUE
#> 2 banana 1 1 NA NA FALSE
#> 3 carrot 2 2 carr 9 TRUE
... LEFT JOIN 将提供如下所示的中间数据框，我可以将 NA 替换为 FALSE 以获得我最终想要的（直接在上方）。
#> # A tibble: 3 x 6
#> col1 col2 col3 col4 col5 matched
#> <chr> <dbl> <dbl> <chr> <dbl> <lgl>
#> 1 apple 0 0 app 5 TRUE
#> 2 banana 1 1 NA NA NA
#> 3 carrot 2 2 carr 9 TRUE
如何在 R 中模糊 LEFT 连接？
【问题讨论】：
-
您确定您希望香蕉的值是
col2 == 2和col3 == 2。当我尝试fuzzy_left_join(df1, df2, match_fun = ci_str_detect, by = c(col1 = "col4"))时，我得到structure(list(col1 = c("apple", "banana", "carrot"), col2 = c(0, 1, 2), col3 = c(0, 1, 2), col4 = c("app", NA, "carr"), col5 = c(5, NA, 9), matched = c(TRUE, NA, TRUE)), row.names = c(NA, -3L), class = c("tbl_df", "tbl", "data.frame")) -
@biomiha 这就是答案，我不知道有一个
fuzzy_left_join函数。哇。您可以将其作为答案，我将标记为已解决。是的，我在上面也复制/粘贴/逻辑错误并已更正。谢谢你的一切。