R中与stringdist_join()的模糊联接，错误:下标赋值中不允许使用NAs

Question

首先，如果我的格式不好，我很抱歉，这是我第一次发帖，(也是编程和R的新手)

我尝试在字符串变量上将两个数据帧合并在一起。我正在合并大学名称，它们可能不完全匹配，所以我希望使用模糊或近似字符串匹配函数进行合并。当我找到‘fuzzyjoin’包时，我很高兴。

来自cranR: stringdist_join:基于列的模糊字符串匹配连接两个表

stringdist_join(x, y, by = NULL, max_dist = 2, method = c("osa", "lv",
  "dl", "hamming", "lcs", "qgram", "cosine", "jaccard", "jw","soundex"), mode = "inner", ignore_case = FALSE, distance_col = NULL, ...)

我的代码：

stringdist_left_join(new, institutions, by = c("tm_9_undergradu" = "Institution.Name"))

错误：

Error in dists[include] <- stringdist::stringdist(v1[include], v2[include],  : 
NAs are not allowed in subscripted assignments

我知道在这些列中有一些NA，但我不确定如何删除它们，因为我也需要它们。据我所知，NA的其他连接和合并功能将被忽略。有没有人知道如何避免这个包的错误，或者以另一种方式对字符串进行近似连接。谢谢你的帮助。

Answer 1

这个答案对我很有效，来自GitHub

步骤1:找出哪个Df拥有NAs

`which(is.na(df1))
 which(is.na(df2))`

步骤2:用其他东西替换NAs。df1[is.na(df1)] <- "empty_string"

步骤3:运行连接(收到错误时我正在使用的代码)

`test1 <- msa_table %>%
   as_tibble() %>% 
   unlist() %>%
   mutate(msa = sub("\\(.*)","", as.character(msa)) %>% 
   stringdist_full_join(msa_table, df1, by = 'msa', max_dist = 2)` 

对我来说，结果不是有相同的错误，但我的表中仍然有NAs。

希望这能有所帮助！另外，需要明确的是:这个解决方案来自GitHub上的Anton Prokopyev '@prokopyev‘。

Answer 2

试一试

`test1 <- msa_table %>%
    as_tibble() %>% 
    unlist() %>%
    mutate(msa = stringr::str_squish(msa)) %>% 
    stringdist_full_join(msa_table, df1, by = 'msa', max_dist = 2)`