[英]Find matching strings between two vectors in R
我在R中有两个向量。我想找到它们之间的部分匹配。
第一个来自名为muc的数据集,其中包含6400个街道名称。 muc $ name看起来像:
muc$name = c("Berberichweg", "Otto-Klemperer-Weg", "Feldmeierbogen" , "Altostraße",...)
另一个向量是d_vector。 它包含大约1400个名字。
d_vector = "Abel", "Abendroth", "von Abercron", "Abetz", "Abicht", "Abromeit", ...
我想找到所有街道名称,其中包含街道名称中某处d_vector的名称。
首先,我在导入csv数据(作为变量d)后进行了一些一般性的修改:
d_vector <- unlist(d$name) d_vector <- as.vector(as.matrix(d_vector))
result <- unique(grep(paste(d_vector, collapse="|"), muc$Name, value=TRUE, ignore.case = TRUE)) result
但结果会返回所有街道名称。
我也尝试使用agrep,它重新调整了Out of memory
-Error。
当我d_vector %in% muc$name
尝试d_vector %in% muc$name
它只返回一个TRUE和数百个FALSE,这似乎不正确。
你有什么建议可以解决我的错误或者我可以使用哪个库吗? 我正在为R寻找像python的“fuzzywuzzy”之类的东西
原则上,您的解决方案适用于一些虚拟数据:
streets = c("Berberichweg", "Otto-Klemperer-Weg", "Feldmeierbogen",
"Konrad-Adenauer-Platz", "anotherThing")
patterns = c("weg", "platz")
unique(grep(paste(patterns, collapse="|"), streets, value=TRUE, ignore.case = TRUE))
[1] "Berberichweg" "Otto-Klemperer-Weg" "Konrad-Adenauer-Platz"
我认为d_vector
某些东西不太d_vector
。 尝试检查class(d_vector)
或dput(d_vector)
并将其粘贴到此处。
您也可以尝试使用sapply
并查看是否可行:
matches =sapply(patterns, function(p) grep(p, streets, value=TRUE, ignore.case = TRUE))
# $weg
# [1] "Berberichweg" "Otto-Klemperer-Weg"
#
# $platz
# [1] "Konrad-Adenauer-Platz"
unique(unlist(matches))
# [1] "Berberichweg" "Otto-Klemperer-Weg" "Konrad-Adenauer-Platz"
简单方案:
streets = c("Berberichweg", "Otto-Klemperer-Weg", "Feldmeierbogen" , "Altostraße")
streets = tolower(streets) #Lowercase all
names = c("Berber", "Weg")
names = tolower(names)
sapply(names, function (y) sapply(streets, function (x) grepl(y, x)))
# berber weg
#berberichweg TRUE TRUE
#otto-klemperer-weg FALSE TRUE
#feldmeierbogen FALSE FALSE
#altostraße FALSE FALSE
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.