英文:
dplyr solution to exact and partial-string join
问题
我需要通过两列将两个数据集连接起来，其中一列是精确匹配，另一列是部分匹配：
pf=data.frame('exact'=c('s1','s2','s3','s2','s4'),'id_part'=c('a','a','a','b','c'), 'value'=c(1,2,3,4,5))
cj=data.frame('exact'=c('s1','s1','s4','s2','s4'), 'id_part'=c('saf','r2a@ff','k5-a','6b4-d','ab1'))
期望的结果应该是一个与cj具有相同行数的数据集，以及一个额外的列，其中的值来自于pf，以这样的方式进行匹配：如果 pf$exact==cj$exact & pf$id_part %in% cj$id_part，那么 output$value<- pf$value，否则 output$value<-0。
output <- merge(cj, pf, by.x=c('exact', 'id_part'), by.y=c('exact', 'id_part'), all.x=TRUE)
output[is.na(output$value), 'value'] <- 0
即exact列精确匹配，id_part列部分匹配。我尝试过使用stringdist_inner_join(cj, pf, by=c('exact', 'id_part'), method='lv')等方法，但没有成功。
英文:
I need to join two datasets by two columns, one column by an exact match and the other one by a partial match:
pf=data.frame('exact'=c('s1','s2','s3','s2','s4'),'id_part'=c('a','a','a','b','c'), 'value'=c(1,2,3,4,5))
> pf
exact id_part value
1 s1 a 1
2 s2 a 2
3 s3 a 3
4 s2 b 4
5 s4 c 5
and
cj=data.frame('exact'=c('s1','s1','s4','s2','s4'), 'id_part'=c('saf','r2a@ff','k5-a','6b4-d','ab1'))
> cj
exact id_part
1 s1 saf
2 s1 r2a@ff
3 s4 k5-a
4 s2 6b4-d
5 s4 ab1
the desired outcome should be a datasets with the same rows as cj plus an additional columns with values form pf, in a way that if pf$exact==cj$exact & pf$id_part %in% cj$id_part,then output$value<- pf$value, else output$value<-0:
> output
exact id_part value
1 s1 saf 1
2 s1 r2a@ff 1
3 s4 k5-a 0
4 s2 6b4-d 4
5 s4 ab1 0
i.e. an exact match on the exact column and a partial match on the id_part column. I tried with stringdist_inner_join(cj,pf, by=c('exact','id_part'), method='lv') and similar, but got nowhere.
any help appreciated.
答案1
得分: 0
你可以使用 regex_left_join：
library(fuzzyjoin)
library(dplyr)
library(tidyr)
regex_left_join(cj, pf) %>%
mutate(value = replace_na(value, 0))
# exact.x id_part.x exact.y id_part.y value
# 1 s1 saf s1 a 1
# 2 s1 r2a@ff s1 a 1
# 3 s4 k5-a <NA> <NA> 0
# 4 s2 6b4-d s2 b 4
# 5 s4 ab1 <NA> <NA> 0
英文:
You can use regex_left_join:
library(fuzzyjoin)
library(dplyr)
library(tidyr)
regex_left_join(cj, pf) |>
mutate(value = replace_na(value, 0))
# exact.x id_part.x exact.y id_part.y value
# 1 s1 saf s1 a 1
# 2 s1 r2a@ff s1 a 1
# 3 s4 k5-a <NA> <NA> 0
# 4 s2 6b4-d s2 b 4
# 5 s4 ab1 <NA> <NA> 0
通过集体智慧和协作来改善编程学习和解决问题的方式。致力于成为全球开发者共同参与的知识库，让每个人都能够通过互相帮助和分享经验来进步。
评论