使用模糊合并合并两个数据帧

Question

我有两个必须合并的数据框。两个数据框中都有一列，我想在其上合并两个数据框。但是这两列的数据并不相似。这两个数据帧中的键列长度为12位，另外一个为5 -6位。我想根据第二个数据帧中相似的 5-6 位进行合并。

我的数据框：

df1 = data.frame(CustomerId = c(987689000000,786581000000,765909000000,565400000000,746541000000,516890000000), Product = c(rep("Toaster", 3), rep("Radio", 3)))   

df2 = data.frame(customerId = c(987689,986581,7659090,56540,74651,5168900), State = c(rep("Alabama", 2), rep("Ohio", 1)))

我试过c = merge(df1,df2 , key =("CustomerId "),all = TRUE)

我的预期输出如下：-

  CustomerId  Product    State
1  987689     Toaster     Alabama
2  786581     Toaster      Alabama
3  7659090    Toaster      Alabama
4  56540       Radio      Alabama
5  74651       Radio      Alabama
6  516890     Radio        Alabama

Answer 1

这里有一个解决方案。关键是用formatC调整数字格式，用str_extract提取匹配的部分。在这一步之后，您可以确定是否要使用left_join、right_join 或inner_join 来保留数据帧的哪一部分。 df3 是最终输出。

请注意，您提供的示例包含不匹配的 ID，因此根据您提供的数据框，无法重现您想要的输出。

# Load packages
library(dplyr)
library(stringr)
library(rebus)

# Process the data
df3 <- df1 %>%
  # Use str_extract to get CustomerId matched in df2
  mutate(CustomerId = str_extract(string = formatC(CustomerId, 
                                                   digits = 0, 
                                                   format = "f"), 
                                  pattern = or1(df2$customerId))) %>%
  # Join with df2 by the updated CustomerId
  right_join(df2 %>% 
               mutate(CustomerId = as.character(customerId)) %>%
               select(-customerId), 
            by = "CustomerId")

# View the result
df3
#  CustomerId Product   State
#1     987689 Toaster Alabama
#2     986581    <NA> Alabama
#3    7659090 Toaster    Ohio
#4      56540   Radio Alabama
#5      74651    <NA> Alabama
#6    5168900   Radio    Ohio