如何通过矢量字符稍有不同的字符串匹配

Question

我想几列从其他data.frame添加到data.frame：

从中我要添加列的data.frame：

head(fix)[1:2,] 
Year           Name Moders.hjälp. Utg.Sjukvård. Antal.Fall.Moderskapshjälp. Antal.Dagar.Moderskapshjälp. Antal.Dödsfall. 
1 1921          Allians   2003   NA       42       1603    43 
2 1921 Bageri- och konditoriindustriarb. I Stocholm   NA   NA       NA       NA    10 

换句话说，我想补充fix[,3:ncol(fix)]到：

head(data)[1:4,] 
    Year             Name Delägare.män. Delägare.kvinnor. Sjukdomsfall.män. 
92 1921           Sbk. Allians   2416    1610    526 
198 1921 Bageri- och Konditoriindustriarb. I Stockholm sbh-k.   143    13    19 

由Year柱和Name列匹配。

的problem在于：上述

在fix和data列Name具有略微不同的名称（即Allians VS Sbk. Allians）。我无法找到匹配字符串部分的正确解决方案以找到相似之处。我试图用match，但没有成功......

这里是dput

dput(head(fix)[1:2,])

structure(list(Year = c(1921L, 1921L), Name = c("Allians", "Bageri- och konditoriindustriarb. I Stocholm" 
), Moders.hjälp. = c(2003, NA), Utg.Sjukvård. = c(NA_integer_, 
NA_integer_), Antal.Fall.Moderskapshjälp. = c(42L, NA), Antal.Dagar.Moderskapshjälp. = c(1603L, 
NA), Antal.Dödsfall. = c(43L, 10L)), .Names = c("Year", "Name", 
"Moders.hjälp.", "Utg.Sjukvård.", "Antal.Fall.Moderskapshjälp.", 
"Antal.Dagar.Moderskapshjälp.", "Antal.Dödsfall."), row.names = 1:2, class = "data.frame") 

dput(head(data)[,c(1:2,11:13)])

structure(list(Year = c(1921L, 1924L, 1921L, 1924L, 1921L, 1924L 
), Name = c("Sbk. Allians", "Sbk. Allians", "Bageri- och Konditoriindustriarb. I Stockholm sbh-k.", 
"Bageri- och Konditoriindustriarb. I Stockholm sbh-k.", "Bergsunds verkstads arbetares sbk", 
"Bergsunds verkstads arbetares sbk"), Delägare.män. = c(2416L, 
3896L, 143L, 129L, 280L, 289L), Delägare.kvinnor. = c(1610L, 
4300L, 13L, 13L, 2L, NA), Sjukdomsfall.män. = c(526L, 1084L, 
19L, 34L, 100L, 97L)), .Names = c("Year", "Name", "Delägare.män.", 
"Delägare.kvinnor.", "Sjukdomsfall.män."), class = "data.frame", row.names = c(92L, 
93L, 198L, 199L, 222L, 223L)) 

感激的任何建议！

Answer 1

您可以使用agrep：

sapply(data$Name, function(x) agrep(x, fix$Name, max.distance=0.4)) 

与修复$名称相匹配的数据$名称。你也可以玩max.distance（循环中的perhabs）。之后，您可以合并/索引/等等，你想用什么样的比赛...

更新

东西沿着这些线路应该为你做的工作：

# match 
matches <- sapply(data$Name, function(x) agrep(x, fix$Name, max.distance=0.4)) 
# clean match 
matches_cleaned <- sapply(matches, function(x) ifelse(length(x) > 0,x, NA)) 
# add matched names to data 
data$fix_names <- fix$Name[matches_cleaned] 

# merge 
merge(data, fix, by.x = c('Year', 'fix_names'), by.y = c('Year', 'Name'))