在R中最匹配的數據框中查找行

Question

我在R中有一個數據框，其中包括3個屬性的5行（記錄）。 現在給定具有相同20個屬性的新記錄，就內容（值）而言，找到這10行中最相似的10條最好的方法是什么？

現有資料

Age Occupation Nationality,
23  Builder    German,
29  Worker     British,
45  Contractor Vietnamese,
24  Engineer   German,
28  Doctor     Indian,

新數據

23  Doctor German

預期產量

23  Builder    German

我想返回第1行，即上面的行，因為兩個屬性匹配

Answer 1

df<-data.frame(Age=c(23,29,45,24,28),Occupation=c("Builder","Worker","Contractor","Engineer","Doctor"),Nationality=c("German","British","Vietnamese","German","Indian"),stringsAsFactors=F)

newdata<-c(23,"Doctor","German")


df[which.max(apply(df,1,function(vec,dat){sum(vec==dat)},newdata)),]

  Age Occupation Nationality
1  23    Builder      German

如果是平局，您可以通過以下方式更好地匹配：

detmatches<-apply(df,1,function(vec,dat){sum(vec==dat)},newdata)
df[which(detmatches==max(detmatches)),]

Answer 2

你可以使用stringdist從stringdist與method=jaccard 。 通過使用Map ，我們正在將df的列與list newdata相應elements進行比較。 例如，來自df Age列用於與23進行stringdist比較，使用Doctor Occupation等等，以此類推...在應用stringdist函數之后，我們為每個列表元素獲取了長度等於nrow(df)數值。 使用Reduce將相應的值相加（ + ），然后我們尋找該值是其中which.min的minimum （輸出將是邏輯索引）。 該索引用於子集df 。

library(stringdist)
df[which.min(Reduce(`+`,Map(stringdist,df, newdata,
                                 method='jaccard'))),]

#  Age Occupation Nationality
#1  23    Builder      German

數據

df <-  structure(list(Age = c(23, 29, 45, 24, 28), Occupation = c("Builder", 
"Worker", "Contractor", "Engineer", "Doctor"), Nationality = c("German", 
"British", "Vietnamese", "German", "Indian")), .Names = c("Age", 
"Occupation", "Nationality"), row.names = c(NA, -5L), class = "data.frame")

newdata <- list(23,"Doctor","German")