使用模糊逻辑连接两个数据集

Posted 2023-05-08

【中文标题】使用模糊逻辑连接两个数据集

【英文标题】：Joining two datasets using fuzzy logic

【发布时间】：2017-11-05 16:34:54

【问题描述】：

我正在尝试在 R 中在两个数据集之间进行模糊逻辑连接：

第一个数据集有一个位置的名称和一个名为config 的列 第二个数据集包含一个位置的名称和两个附加属性，在将它们连接到第一个数据集之前需要对其进行汇总。

我想使用name 列连接两个数据集。但是，name 列可能在任一数据集中具有附加字符或前导字符，或者在更大的单词中包含一个单词。例如，如果我们查看这两个数据集，我希望名称 OPAL 加入 OPALAS，而 SAUSALITO Y 加入 SAUSALITO。

Dataset1:    
     Name           Config
     ALTO D         BB
     CONTRA         ST
     EIGHT A        DD
     OPALAS         BB
     SAUSALITO Y    AA
     SOLANO J       ST

Dataset2:    
    Name       Age     Rank
    ALTO D     50      2
    ALTO D     20      6
    CONTRA     10      10
    CONTRA     15      15
    EIGHTH     18      21
    OPAL       19      4
    SAUSALITO  2       12
    SOLANO     34      43

Dataset2 汇总代码

Data2a <- summaryBy(Age ~ Name,FUN=c(mean), data=Data2,na.rm=TRUE)
Data2b <- summaryBy(Rank ~ Name,FUN=c(sum), data=Data2,na.rm=TRUE)
Data2 <- data.frame(Data2a$Name, Data2a$Age.mean, Data2b$Rank.sum)

Desired Outcome:
    Name        Config  Age   Rank
    ALTO D      BB      35    8
    CONTRA      ST      12.5  25
    EIGHT A     DD      18    21
    OPALAS      BB      19    4
    SAUSALITO Y AA      12    5
    SOLANO J    ST      34    43

【问题讨论】：

查看fuzzyjoin 包。

【参考方案1】：

我能够使用fuzzyjoin 包连接两个数据集：

library(fuzzyjoin)
stringdist_inner_join(Dataset1, Data2,
     by ="Name", distance_col = NULL)