代码之家 › 专栏 › 技术社区 › Sharif Amlani

R中跨列的模糊匹配

fuzzy-comparison fuzzy-logic string-matching string r

Sharif Amlani · 技术社区 · 6 年前

我如何衡量r中名字的相似程度?换句话说,模糊匹配的程度。

Name.1 <- c("gonzalez", "wassermanschultz", "athanasopoulos", "armato")
Name.2 <- c("gonzalezsoldevilla", "schultz", "anthanasopoulos", "strain")

df1 <- data.frame(Name.1, Name.2)

df1
            Name.1             Name.2
1         gonzalez gonzalezsoldevilla
2 wassermanschultz            schultz
3   athanasopoulos    anthanasopoulos
4           armato             strain

从数据中可以清楚地看出,第1行和第2行非常相似,可以确信名称是相同的。第3行是相同的名称,尽管它拼写错误,第四行完全不同。

作为输出,我想创建第三列来描述名称之间的相似程度,或者返回某种布尔值来表示可以进行模糊匹配。

1 回复 | 直到 6 年前

MarBlo 6 年前

包裹里有 stringdist stingsim 它为字符串之间的相似性提供了一个介于0和1之间的数字。

Name.1 <- c("gonzalez", "wassermanschultz", "athanasopoulos", "armato")
Name.2 <- c("gonzalezsoldevilla", "schultz", "anthanasopoulos", "strain")
library(stringdist)

df1 <- data.frame(Name.1, Name.2)
df1$similar <- stringsim(Name.1, Name.2)
df1
#>             Name.1             Name.2   similar
#> 1         gonzalez gonzalezsoldevilla 0.4444444
#> 2 wassermanschultz            schultz 0.4375000
#> 3   athanasopoulos    anthanasopoulos 0.9333333
#> 4           armato             strain 0.1666667

推荐文章