dplyr 可以在 by= 中使用正则表达式连接两个数据帧吗？答案

【问题标题】：Can dplyr join two data frames using a regular expression in by=?dplyr 可以在 by= 中使用正则表达式连接两个数据帧吗？
【发布时间】：2015-03-25 11:19:36
【问题描述】：

有没有办法使用 dplyr 的连接运算符连接两个数据帧，但使用正则表达式而不是直接 by=c('foo' = 'bar')？

类似：

people  <- data.frame(
     id = 1:10
   , emp = c("Caterpillar", "FEMA", "Community Hospital", "Gessert Grp.", "AT&T", "IBM Corp.", NA, "Smartguy Community College", NA, NA))



employers  <- data.frame(
     employerID     = c(1, 2, 3, 4, 5)
   , employerName   = c("Caterpillar Foundation", "Eli Lilly and Company Foundation Inc.", "Archer Daniels Midland Co", "IBM Corporation", "State Farm Co.  Foundation Matching Gifts")
   , employerRegexp = c("Caterpillar", "El *Lilly", "Archer *Daniels|ADM", "IBM", "State *Farm")
   )

peoplewRealEmployerNames  <- people  %>% 
     left_join(employers,by=c('emp' ~= 'employerRegexp')

显然，~= 不会真正起作用，但也许有类似的东西？

Dplyr 不是硬性要求，但它是我编写其余代码的风格，因此它是我的首选解决方案。

【问题讨论】：

您可以在连接前使用类似grep 的正则表达式函数来获取要在连接中使用的列名，然后查看this Q&A 以了解如何使用字符向量作为 dplyr 连接的输入。
“雇主”的代码不运行。请编辑。
@docendo discimus ，这个常见问题解答值得单独为setNames() 支付入场费。我一直想知道是否有办法在一个月的管道中执行names(foo) <- c("foo","bar","baz")！这样做会好很多：foo %>% someFunction() %>% setNames( c("foo","bar","baz") %>% moreFunctions()
@crazybilly，很高兴知道。你认为我们可以把这个问题作为另一个问题的副本来结束吗？还是你想自己回答？

标签： regex r join dplyr

【解决方案1】：

fuzzyjoin 包正是这样做的，使用的语法与dplyr 大致相同。

因此，您只需将代码中的最后两行更改为：

library(fuzzyjoin)

peoplewRealEmployerNames <- people %>%
  regex_left_join(employers, by=c('emp' = 'employerRegexp'))

【讨论】：

请注意，为清楚起见：如示例所示，正则表达式应位于右侧的 data_frame 中。左侧数据框中的列是要搜索的字符串。