在 R 中查找两个向量之间的匹配字符串

Question

我在 R 中有两个向量。我想找到它们之间的部分匹配。

我的数据

第一个来自名为 muc 的数据集，其中包含 6400 个街道名称。 muc$name 看起来像：

muc$name = c("Berberichweg", "Otto-Klemperer-Weg", "Feldmeierbogen" , "Altostraße",...)

另一个向量是d_vector。它包含大约 1400 个名称。

d_vector = "Abel", "Abendroth", "von Abercron", "Abetz", "Abicht", "Abromeit", ...

我想查找所有街道名称，其中包含街道名称中某处来自 d_vector 的名称。

首先，我在导入csv数据（作为变量d）后做了一些通用的修改：

d_vector <- unlist(d$name) d_vector <- as.vector(as.matrix(d_vector))

到目前为止我尝试了什么

• 然后我尝试用 grep 找到一个解决方案，将 d_vector 变成包含一个长字符串，用 | 分隔对于 RegEx 搜索：

result <- unique(grep(paste(d_vector, collapse="|"), muc$Name, value=TRUE, ignore.case = TRUE)) result

但结果返回所有街道名称。

• 我还尝试使用 agrep，它重新调整了 Out of memory-Error。

• 当我尝试d_vector %in% muc$name时，它只返回了一个 TRUE 和数百个 FALSE，这似乎不太正确。

您对我的错误可能在哪里或我可以使用哪个库有什么建议吗？ 我正在为 R 寻找类似 python 的“fuzzywuzzy”之类的东西

Answer 1

原则上，您的解决方案适用于一些虚拟数据：

streets = c("Berberichweg", "Otto-Klemperer-Weg", "Feldmeierbogen", 
            "Konrad-Adenauer-Platz", "anotherThing")
patterns = c("weg", "platz")

unique(grep(paste(patterns, collapse="|"), streets, value=TRUE, ignore.case = TRUE))
[1] "Berberichweg"          "Otto-Klemperer-Weg"    "Konrad-Adenauer-Platz"

我认为d_vector 的某些方面不太到位。尝试检查 class(d_vector) 或 dput(d_vector) 并将其粘贴到此处。

您也可以尝试使用sapply 看看是否可行：

matches =sapply(patterns, function(p) grep(p, streets, value=TRUE, ignore.case = TRUE))
# $weg
# [1] "Berberichweg"       "Otto-Klemperer-Weg"
# 
# $platz
# [1] "Konrad-Adenauer-Platz"

unique(unlist(matches))
# [1] "Berberichweg"          "Otto-Klemperer-Weg"    "Konrad-Adenauer-Platz"

Answer 2

简单的解决方案：

streets = c("Berberichweg", "Otto-Klemperer-Weg", "Feldmeierbogen" , "Altostraße")
streets = tolower(streets) #Lowercase all
names = c("Berber", "Weg")
names = tolower(names)

sapply(names, function (y) sapply(streets, function (x) grepl(y, x)))

#                   berber   weg
#berberichweg        TRUE  TRUE
#otto-klemperer-weg  FALSE TRUE
#feldmeierbogen      FALSE FALSE
#altostraße          FALSE FALSE