时间戳

首页 > 解决方案 > 如何在无序字符串之间找到匹配项

r - 如何在无序字符串之间找到匹配项

问题描述

我在 R 中有两个数据框。这是第一个（只是一个示例）：

ID  Cost        Vehicle_1
6   4291.667    FIAT PUNTO 1.4 EVO
2   5391.667    FIESTA 1.6 120CV 
4   4291.667    FIESTA 1.6 120CV 
7   3500.000    FIESTA 1.6 120CV 
5   4291.667    SEAT IBIZA 1.4 85CV
1   5391.667    SEAT IBIZA 85CV 1.4

这是第二个（只是一个示例）：

Vehicle_2                          cost
FIAT PUNTO EVO 1.3 MJT 95CV DPF    0.4021967    
FIAT PUNTO EVO 1.3/16V MJT 75CV    0.3737767    
FIAT PUNTO EVO 1.4 77CV     
FIAT PUNTO EVO 1.4 77CV BENZ+GPL   0.4036200    
FIAT PUNTO EVO 1.4 77CV BENZ+MET   0.4122800    
FIAT PUNTO EVO 1.4 M.AIR 105CV     0.4702500

我需要找到第一个数据帧的名为 Vehicle_1 的列与第二个数据帧的名为 Vehicle_2 的列之间的匹配项，即使字符串的顺序不同并且有一些单词更多/更少。我尝试使用函数 all.equal，但它不打印结果。事实上，我需要用“匹配元素”创建一个新表。谢谢

标签： rstringmismatch

解决方案

我建议如下：

# Here is what your data looks like:
df1 <- data.frame("ID" = 1:6,
                  "Vehicle_1" = c("FIAT PUNTO 1.4 EVO",
                                  "FIESTA 1.6 120CV",
                                  "FIESTA 1.6 120CV",
                                  "FIESTA 1.6 120CV",
                                  "SEAT IBIZA 1.4 85CV",
                                  "SEAT IBIZA 85CV 1.4")) 

df2 <- data.frame("ID" = 1:6,
                  "Vehicle_2" = c("FIAT PUNTO EVO 1.3 MJT 95CV DPF",
                                  "FIAT PUNTO EVO 1.3/16V MJT 75CV",
                                  "FIAT PUNTO EVO 1.4 77CV",
                                  "FIAT PUNTO EVO 1.4 77CV ",
                                  "FIAT PUNTO EVO 1.4 77CV BENZ+GPL",
                                  "FIAT PUNTO EVO 1.4 M.AIR 105CV ")) 

head(df1)
head(df2)

ID           Vehicle_1
1  1  FIAT PUNTO 1.4 EVO
2  2    FIESTA 1.6 120CV
3  3    FIESTA 1.6 120CV
4  4    FIESTA 1.6 120CV
5  5 SEAT IBIZA 1.4 85CV
6  6 SEAT IBIZA 85CV 1.4

ID                        Vehicle_2
1  1  FIAT PUNTO EVO 1.3 MJT 95CV DPF
2  2  FIAT PUNTO EVO 1.3/16V MJT 75CV
3  3          FIAT PUNTO EVO 1.4 77CV
4  4         FIAT PUNTO EVO 1.4 77CV 
5  5 FIAT PUNTO EVO 1.4 77CV BENZ+GPL
6  6  FIAT PUNTO EVO 1.4 M.AIR 105CV 

# I transform to data.table
library(data.table)
df1 <- data.table::setDT(df1)
df2 <- data.table::setDT(df2)

# I use tstrplit to get the elements from both variables that are
# supposed to be matched
df3 <- df1[, tstrsplit(Vehicle_1, split = ' ')]
df4 <- df2[, tstrsplit(Vehicle_2, split = ' ')]

ncol1 <- ncol(df3)
df_to_check <- cbind(df3,df4)

list_result <- apply(df_to_check,MARGIN = 1, FUN = function(x)
  intersect(x[1:ncol1], x[ncol1+1:length(x)]))

df1[, c("list_match") := list_result]
head(df1)

这是我添加到 df1 的结果：

 ID           Vehicle_1     list_match
1:  1  FIAT PUNTO 1.4 EVO FIAT,PUNTO,EVO
2:  2    FIESTA 1.6 120CV             NA
3:  3    FIESTA 1.6 120CV             NA
4:  4    FIESTA 1.6 120CV             NA
5:  5 SEAT IBIZA 1.4 85CV            1.4
6:  6 SEAT IBIZA 85CV 1.4            1.4

推荐阅读