如何从 R 中的联合声明中清除双线？

Question

已完成连接操作以将地址与自身进行比较。

library(tidyverse)
library(lubridate)
library(stringr)
library(stringdist)
library(fuzzyjoin)
doTheJoin <- function (threshold) {
      joined <- trimData(d_client_squashed) %>% 
        stringdist_left_join(
          trimData(d_client_squashed), 
          by = c(address_full="address_full"),
          distance_col = "distance",
          max_dist = threshold,
          method = "jw"
        )
    }

d_client_squashed 的结构如下，包含字符串值：

Client_Reference	adress_full
C01	Client1 姓名、街道、邮政编码、城镇
C02	客户 2 姓名、街道 2、邮政编码 2、城镇 2
...	...

以下操作：

sensible_matches <- doTheJoin(0.2)
View(sensible_matches %>% filter(Client_Reference.x != Client_Reference.y))

结果如下：

Client_Reference.x	address_full.x	Client_Reference.y	address_full.y	距离
C01	Client1 姓名、街道、邮政编码、城镇	C02	客户 2 姓名、街道 2、邮政编码 2、城镇 2	0.05486
C02	客户 2 姓名、街道 2、邮政编码 2、城镇 2	C01	Client1 姓名、街道、邮政编码、城镇	0.05486
...	...	...	...	...

此连接操作的输出与反向客户端信息加倍。距离值不是唯一的。如何对数据框进行子集化以避免那些双线？

Answer 1

为了去掉包含相同数据的行，可以根据包含的元素排序，这样包含同一对Client_Reference的行之间没有区别，然后删除重复的。之后，您可以过滤包含与您相同的 Client_Reference 的那些。

sensible_matches <- sensible_matches[!duplicated(t(apply(sensible_matches,1,sort))),]
View(sensible_matches  %>% filter(Client_Reference.x != Client_Reference.y))

如何从 R 中的联合声明中清除双线？

How to clean double lines from joint statement in R?

r

subset

left-join