R中的模式匹配字符向量

Question

我正在尝试匹配两个单独数据帧中两个向量之间的字符，我们将数据帧称为“rentals”和“parcels”，它们都包含向量“address”，它是所有出租包裹地址的字符县和城市中所有地块的地址。我们想通过搜索“parcels”中的地址向量与“rentals”中的地址匹配，找出“parcels”数据帧中的哪些地址与“rentals”数据帧中的地址匹配。

rentals$address 中的值如下所示：

rentals$address <- c("110 SW ARTHUR ST", "1610 NE 66TH AVE", "1420 SE 16TH AVE",...)

parcels$address 中的值如下所示：

parcels$address <- c("635 N MARINE DR, PORTLAND, OR, 97217", "7023 N BANK ST, PORTLAND, OR, 97203", "5410 N CECELIA ST, PORTLAND, OR, 97203",...)

“parcels”数据框中大约有 172,000 个条目，“rentals”数据框中有 285 个条目。我的第一个解决方案是使用 grepl 匹配字符值，我认为这不起作用：

matches = grepl(rentals$address, parcels$address, fixed = TRUE)

这将为 parcels$address 中的每个条目返回 FALSE，但是将“rentals”中的“address”的一些值复制并粘贴到 Excel 的 CNTRL+F 窗口中查看“parcels”数据框，我看到了一些地址。所以有些似乎匹配。

如何才能最好地找到“rentals”数据帧的“address”列中的哪个观察值是“parcels”数据帧中的匹配字符序列？

Answer 1

地址是否都完全匹配？也就是说，间距、大小写、公寓编号没有变化？如果是这样，您也许可以使用 dplyr 函数 left_join 来创建一个新的 df，使用地址作为键，就像这样

    library(dplyr)

    df_compare <- df_rentals %>% 
      left_join(df_parcels, by = "address")

此外，如果您有沿 df_rentals$rentals = yes 和 df_parcels$parcels = yes 行的列，则可以过滤生成的新数据框

   df_both <- filter(df_compare, rentals == "yes", parcels == "yes")