两个数据集通过相同列（品种）进行模糊匹配然后合并

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

大佬们，请问下我有数据集A和数据集B，他们都有“品种”这一列，我想把他们通过品种进行合并，但是数据集A中的品种可能有些项的内容是“铜、铝”，而数据集B中的品种每一项就是标准的品种名称，如“铜”，精确匹配就无法识别，只能模糊匹配，所以如何才能使他们匹配上，然后讲两个数据集合并或者是将数据集B剩下的列添加到数据集A对应行后面

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：数据集 行合并

既然B的品种是标准化名称，那么factor一下，level数应该不是很大。A的品种，估计是人工操作随意性比较大，但也不会太过杂乱。基于这种理解，建议两种方案：
一、如你所说，模糊匹配，但这样需要对样本进行循环处理，对B的每一个样本都需要对A遍历匹配。
二、如果A的品种不是差异太大，比如说根本没有规律那种，可以两个数据表都增加一列ID，B的品种按照level标准化，A的品种可以编个函数，用正则表达式或者字符串操作提取标准品种，并赋值标准化ID，用apply函数族对所有样本加以处理。最后，就可以按ID执行join操作。这个方案无法解决A中单一样本多个品种重复的问题。
另外，能否从根本上解决A的数据结构问题。

这个包我不太会用，你可以用自己的数据试一试：

library(fuzzyjoin)
C<- regex_left_join(A, B, by = c(品种 = "品种"))

#by选项中，第一个品种是A的变量名，第二个“品种”是B的变量名

经济学中的因果推断方法培训课程（国庆班）【赵西亮教授独家分享】