如何解决通过 R 中的相似字符/字符串匹配两个向量
我有两个向量,比如
v1<-c("yellow","red","orange","blue","green")
v2<-c("blues","redx","grean")
并且我想匹配它们,即将v1
的每个元素与v2
上最相似的元素“链接”,以便结果是
> df
v1 v2
1 yellow <NA>
2 red redx
3 orange <NA>
4 blue blues
5 green grean
下面的代码给出了预期的结果,但只是因为它已经手动“格式化”了
df<-data.frame(v1,v2=rep(NA,5))
for (i in 1:nrow(df)) {
ag<-agrep(df[i,1],v2,ignore.case = T,value = T)
if (length(ag)==0) {df[i,2]<-NA}
else if (length(ag)==1) {df[i,2]<-ag}
else {df[i,2]<-ag[1]}
}
碰巧 agrep(df[2,max.distance = 0.00001,value = T)
的结果是 "redx" "grean"
,即使我设置了 max.distance = 0.00001
。
这就是为什么我有 if 条件,但它不能保证选择最相似的答案。
我该如何克服这个问题?
提前致谢
解决方法
也许以下内容可以解决您的问题。它在包 stringdistmatrix
中使用 stringdist
,如果向量 v1
和 v2
较大,这可能会成为内存问题。
d <- stringdist::stringdistmatrix(v1,v2,method = "osa")
i <- which(colSums(d == 1) > 0)
j <- which(rowSums(d == 1) > 0)
df$v2[j] <- v2[i]
df
# v1 v2
#1 yellow <NA>
#2 red blues
#3 orange <NA>
#4 blue redx
#5 green grean
,
你可以试试:
s <- which(adist(v1,v2) <= 1,TRUE) # 1 is the maximum allowed change
data.frame(v1,v2=replace(NA,s[,1],v2[s[,2]]))
v1 v2
1 yellow <NA>
2 red redx
3 orange <NA>
4 blue blues
5 green grean
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。