比较两个 data.frame 以从 data.frame 1 中的 data.frame 2 中找到相似的值

Question

我有两个 data.frames：名称和搜索

name <- data.frame(
  A = c("example", "firstly", "second.com")


searches <- data.frame(
  A = c("example.com","secondly","first"),
  B = c("test", "test.com", "test1"))

我想在 data.frame “搜索”中搜索 data.frame “名称”中的值。如果有相似的值（不完全相同），我希望 R 从名称和新表的新行中的搜索返回值。

所以一个新的data.frame可能是

result <- data.frame(
    A = "example", "firstly", "second.com",
    B = "example.com","first","secondly",
    C = "test", "test1", "test.com")

这可能吗？

Answer 1

您可以使用 R 中的 stringr 包来执行此操作。例如，如果您有

name <- data.frame(
  A = c("example", "firstly", "second.com"))


searches <- data.frame(
  A = c("example.com","secondly","first"),
  B = c("test", "test.com", "test1"))

那么你可以使用

str_extract(searches$A, '.*example.*')  

这给出了一个输出

> str_extract(searches$A, '.*example.*')  
[1] "example.com" NA            NA 

如果您使用适当的 for 循环进行设置，以迭代 name 数据帧中的元素和 searches 数据帧的单元格，那么您可以选择所有匹配项并根据需要提取它们。

Answer 2

使用来自fuzzyjoin包的函数stringdist_join。

library(fuzzyjoin)

name <- data.frame(
  A = c("example", "firstly", "second.com")
)

searches <- data.frame(
  A = c("example.com","secondly","first"),
  B = c("test", "test.com", "test1")
)

result <- stringdist_join(name, searches, by = "A", max_dist = 5)

哪些结果：

> print(result)
         A.x         A.y        B
1    example example.com     test
2    firstly       first    test1
3 second.com    secondly test.com