在R中找到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。muc$name看起来像：

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

另一个矢量是d_vector。它包含大约1400个名字。

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

我想要找到所有的街道名称，其中包含一个来自d_vector的名字在街道名称的某处。

首先，在导入csv数据(作为变量d)之后，我做了一些一般性的修改：

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

到目前为止我尝试过的

• 然后，我尝试用grep找到一个解决方案，将d_vector转换为包含一个长字符串，由RegEx-Search分隔：

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

但是结果会返回所有的街道名称。

• 我还试着使用agrep，它重新调整了一个Out of memory-Error。
• 当我尝试d_vector %in% muc$name时，它只返回一个TRUE和数百个FALSE，这似乎不正确。

你有什么建议吗?我的错误可能在哪里，或者我可以使用哪一个图书馆？我在寻找类似于python的"fuzzywuzzy“的R

Answer 1

简单解决方案：

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

Answer 2

原则上，您的解决方案可以很好地处理一些虚拟数据：

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还没有完全到位。试着检查class(d_vector)，或者dput(d_vector)，然后粘贴到这里。

您还可以尝试使用sapply，看看它是否有效：

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"