在部分匹配时合并 2 个 data.tables [重复]

Question

我有 data.table 1 之类的：

entidad                 municipio                   col1   
AGUASCALIENTES          Aguascalientes              5000
PUEBLA                  Jes�s Mar�a                 3000
VALLE                   Calvillo                    2000
JALISCO                 Pabell�n de Arteaga         1000

和 data.table 2 类似：

entidad                 municipio                   col2   
AGUASCALIENTES          Aguascalientes              16369
PUEBLA                  Jesus Maria                 1687
VALLE                   Calvillo                    916
JALISCO                 Pabellon de Arteaga         774

我想使用列entidad 和municipio 执行合并，例如merge(dt1, dt2, by = c('entidad', 'municipio'))，使用两列上的部分匹配或仅列municipio。但是问题是 data.table 1 有重音符号和奇怪的符号 � ，因此 municipio 列可能在 3 种不同的情况下有所不同 1) 重音符号，2) 符号 � 或略有不同的名称 (ej ' dt1 中的 ciudad juarez' 和 dt2 中的 'Juárez'）。由于我对使用字符串/字符列不是很熟悉，我想知道是否有人可以帮助我弄清楚在这种情况下如何执行合并？我想获得的结果如下，来自上一个示例：

entidad                 municipio                   col1    col2
AGUASCALIENTES          Aguascalientes              5000    16369
PUEBLA                  Jesus Maria                 3000    1687
VALLE                   Calvillo                    2000    916
JALISCO                 Pabellon de Arteaga         1000    774

Answer 1

您可以为此使用fuzzyjoin-package 中的stringdist_join-函数：

library(fuzzyjoin)
stringdist_join(d1, d2,
                by = c("entidad","municipio"),
                max_dist = 2,
                method = "lv")

这给出了：

       entidad.x         municipio.x col1      entidad.y         municipio.y  col2
1 AGUASCALIENTES      Aguascalientes 5000 AGUASCALIENTES      Aguascalientes 16369
2         PUEBLA         Jes�s Mar�a 3000         PUEBLA         Jesus Maria  1687
3          VALLE            Calvillo 2000          VALLE            Calvillo   916
4        JALISCO Pabell�n de Arteaga 1000        JALISCO Pabellon de Arteaga   774

之后您可以使用dplyr::select 来保留您需要的列。