如何检查数据框的字符串列是否与另一个数据框的字符串列匹配？

Question

我打算使用公共字符列（我们称之为名称列）执行两个数据框的左连接。理想情况下，df1 的名称列中的所有值都将与 df2 的名称列匹配。但是，我知道某些值可能不完全匹配，但由于某些拼写或标点符号错误可能会部分匹配。例如。 "John Ezekiel" 在 df1 中可以拼写为 "John Ezekial"。我想确保 df1 中名称列的每个值都与 df2 名称列中的某个值匹配。在大多数情况下，会有完全匹配，但在没有完全匹配的情况下，我还想用具有大部分匹配的 df2 的值替换 df1 的那些值。我通过重现

来说明这个问题

df1 <- data.frame(name=c("John Ezekial","Mary Elizabeth","Fabio Fonini","Gael Monfils","Lucas Pouile"))    
df2 <- data.frame(name=c("Aron Ramsey","John Doe","John Ezekiel","Mary Elizabeth","Fabio Fognini","Gael Monfils","Marin Cilic","Lucas Pouille","Tomas Berdych","Juan Martin Del Potro"),id=1:10)
> df1
            name
1   John Ezekial
2 Mary Elizabeth
3   Fabio Fonini
4   Gael Monfils
5   Lucas Pouile

> df2
                name     id
1            Aron Ramsey  1
2               John Doe  2
3           John Ezekiel  3
4         Mary Elizabeth  4
5          Fabio Fognini  5
6           Gael Monfils  6
7            Marin Cilic  7
8          Lucas Pouille  8
9          Tomas Berdych  9
10 Juan Martin Del Potro 10

df1与df2进行left join时，得到如下结果：

> df1 %>% left_join(df2)
Joining, by = "name"
            name id
1   John Ezekial NA
2 Mary Elizabeth  4
3   Fabio Fonini NA
4   Gael Monfils  6
5   Lucas Pouile NA

我希望生成的数据框如下所示。如果没有完全匹配并映射到相应的 ID，则 df1 中的 "name" 值应替换为 df2 中的 "name" 值。

   >df3
            name id
1   John Ezekiel 3
2 Mary Elizabeth 4
3   Fabio Fognini 5
4   Gael Monfils 6
5   Lucas Pouille 8

Answer 1

使用 Base R 你可以做如下事情：

 df2[which(adist(df1$name,df2$name)<2,T)[,2],]
                name id
    3   John Ezekiel  3
    4 Mary Elizabeth  4
    5  Fabio Fognini  5
    6   Gael Monfils  6
    8  Lucas Pouille  8

如何检查数据框的字符串列是否与另一个数据框的字符串列匹配？

How to check if a string column of a data frame matches with a string column of another data frame?

regex

r

gsub