2个数据框，2种不同风格的命名同一个人，如何让它们相似？

Question

我有两个数据集。在一个数据集中，名字、名字和姓氏写在不同的变量中。例如：

 ID            firstname        second name          last name
 12            john             arnold               doe
 14            jerry            k                    wildlife

在第二个中，它们写在一个变量中：

 ID            name
 12            john arnold doe
 14            jerry k wildlife

现在我希望能够在数据集一（单独的姓名）中找到数据集二（全名）中的这些人。我遇到的几个问题是：

并非所有名称都出现在两个数据集中，
并非所有名字都有中间名首字母，
并不是所有的名字都有 ID，所以我也不能单独搜索它。

所以问题是，有人可以建议一个命令来拆分 first/second/last 名称中的名称吗？其次有人知道如何使用简单的命令搜索这些名称，例如：

    df<-df.old[grepl("firstname", df.old$firstname, ignore.cases=T) & grepl("secondname", df.old$secondname,ignore.cases=T) & grepl("lastname", df.old$lastname, ignore.cases=T),]

有什么建议吗？

德克

Answer 1

试试这个：

*样本数据*

df2 <- data.frame(ID=c(12, 14), name=c("john arnold doe", "jerry k wildlife"))

按 space

拆分名称

df2 <- cbind(df2$ID, data.frame(do.call(rbind, strsplit(as.character(df2$name), " "))))
names(df2) <- c("ID", "firstname", "second name", "last name")
df2

按名字和姓氏或 ID 连接两个数据框。

Answer 2

您可以使用 tidyr 包中的 separate。

separate(df2, name, into=c("firstname", "secondname", "last name"), " ") 
# ID firstname secondname last name
#1 12      john     arnold       doe
#2 14     jerry          k  wildlife

对于缺失的中间名，如果姓氏可以归类为中间名，

df2 <- data.frame(ID=c(12, 14), name=c("john arnold doe", "jerry wildlife"))
library(splitstackshape)
cSplit(df2, 2, sep = " ")# this reads "split 2nd column by white space"
#   ID name_1   name_2 name_3
#1: 12   john   arnold    doe
#2: 14  jerry wildlife     NA

name_1对应first name，name_2对应middle name

2个数据框，2种不同风格的命名同一个人，如何让它们相似？

2 data frames, 2 different styles of naming the same person, how to make them similar?

search

split

r

rename