使用部分匹配的字符串合并两个 data.frame答案

【问题标题】：Merge two data.frame using partially matching strings使用部分匹配的字符串合并两个 data.frame
【发布时间】：2026-01-19 01:05:01
【问题描述】：

我有以下两个data.frames

df1 <- data.frame(name = "RANDI FIRAT CAYLIOGLU", correct = 30)
df2 <- data.frame(name = "FIRAT CAYLIOGLU", id = 01)

有些人有三个名字和一个中间名，有时使用他们的名字，有时使用他们的第二名。根据我的经验，fuzzyjoin 包的regex_join 函数没有捕获这样的部分匹配。如何使用部分匹配的名称合并这两个数据集？

【问题讨论】：

标签： r dataframe join dplyr

【解决方案1】：

如果它始终是导致问题的名字，您可以使用正则表达式来摆脱它。请注意，我先将所有因子转换为字符。

df1 <- data.frame(name="RANDI FIRAT CAYLIOGLU", correct = 30, stringsAsFactors = F) 
df2 <- data.frame(name="FIRAT CAYLIOGLU",id = 01, stringsAsFactors = F)

libray(dpylr)
df1%>%
  mutate(name2 = sub("^[A-Za-z]+ ", "", name)) %>%
  full_join(df2, by = c("name2" = "name"))

                   name correct           name2 id
1 RANDI FIRAT CAYLIOGLU      30 FIRAT CAYLIOGLU  1

如果它也可以是中间名，您可以创建一个额外的列 name3，其中只包含名字和姓氏：

libray(dpylr)
    df1%>%
      mutate(name2 = sub("^[A-Za-z]+ ", "", name),
             name3 = sub(" [A-Za-z]+ ", " ", name) %>%
      left_join(df2, by = c("name2" = "name")) %>%
      left_join(df2, by = c("name3" = "name"))

这里，name2 是中间名和姓氏，name3 包含名字和姓氏。

【讨论】：

不幸的是，导致问题的并不总是名字。有些人使用他们的名字，有些人使用他们的第二名。