文本分析

Question

在R基地，我怎么才能

• Ref2 -参考文献的前两个首字母，例如AC12 = AC，AL34 = AL
• Street2 -每条街的第一个首字母，例如Abbey Court = AC，Albert Gardens = AG.
• 比较Ref2和Street2，看看是否相同
• 然后，只使用那些不一样的进一步使用。 计算

Answer 1

您可以尝试以下方法

> substr(Ref2,1,2) ==gsub("[a-z| ]","",Street2)
[1]  TRUE FALSE

您可以使用该逻辑向量从原始数据中删除FALSE值。

代码的工作方式是只从Ref2中提取前两个字符，并从Street2中删除所有小写字符+空格。

数据

Ref2 = c("AC12","AL34")
Street2=c("Abbey Court","Albert Gardens")

Answer 2

只要为任何想要提取每个单词的第一个字母的人添加一个选项，如果大小写不一致，或者整个单词是相同的情况。

这还包括筛选表以供继续使用(使用data.table)。

library(data.table)
library(stringr)

data_example <- data.table(Ref2 = c("AC12", "AL34", "AG34"), 
                           Street = c("Abbey Court", "Albert gardens", "albert gardens"))

data_example <- data_example[tolower(str_extract(Ref2, "^.{2}")) == tolower(paste0(str_extract(Street, "^."), str_extract(Street, "(?<=\\s).")))]

> View(data_example)
> data_example
   Ref2         Street
1: AC12    Abbey Court
2: AG34 albert gardens