如何在 dataframe 中进行一次模糊匹配和一次精确匹配？

Question

我希望能够模糊匹配一列并精确匹配另一列。

假设我 df1 看起来像这样：

df2 看起来像这样：

我想模糊匹配“名称”但精确匹配“年份”。 所以“Ashley”和“Ashlee”将是匹配的。 这是我到目前为止所拥有的：

res <- fuzzy_left_join(
  df,
  df2,
  by=c("Year","Name"),
  list(`==`, function(x,y) stringdist(tolower(x), tolower(y), method="lv") <= 3)
)
res %>% 
  select(Year = Year.x, everything(), - Year.y)

不过，它似乎过度匹配。 不知道发生了什么。

Answer 1

看来您走在正确的轨道上（如果没有您的数据或您向我们展示您的结果，很难判断！）

模糊连接将提供字符串距离 <=3 的所有答案，这可能是您描述的“过度匹配”。

您可以使用%>% group_by(Year,Name) %>% slice_min(dist)根据距离获得最佳答案。