在两列数据框上使用 adist

Question

我想用adist计算每行两列值之间的编辑距离

我大致是这样使用的：

A <- c("mad","car")
B <- c("mug","cat")
my_df <- data.frame(A,B)
my_df$dist <- adist(my_df$A, my_df$B, ignore.case = TRUE)
my_df <- my_df[order(dist),]

最后两行与我的情况相同，但实际数据框看起来有点不同 - 我原始数据框的列是字符类型，而不是因子。另外，dist 列似乎作为 2 列矩阵返回，我不知道为什么会这样。

更新：我读了一点，发现我需要在行上应用它，所以我的新代码如下：

apply(my_df, 1, function(d) adist(d[1], d[2]))

它工作正常，但对于我的原始数据集，通过列号调用它是不切实际的，我如何在这个函数中引用列名？

Answer 1

根据 adist 函数定义，x 和 y 参数应该是字符向量。在您的示例中，该函数返回一个 2x2 矩阵，因为它还比较交叉词 "mad" 与 "cat" 和 "car" 与 "mug"。

看看矩阵主对角线就知道了

Answer 2

您可以使用 mapply 来解决这个问题，即

mapply(adist, df$A, df$B)
#[1] 2 1

Answer 3

使用tidyverse方法，可以使用如下代码：

library(tidyverse)
A <- c("mad","car")
B <- c("mug","cat")
my_df <- data.frame(A,B)

my_df %>% 
    rowwise() %>% 
    mutate(Lev_dist=adist(x=A,y=B,ignore.case=TRUE))

在两列数据框上使用 adist

using adist on two columns of data frame

r

levenshtein-distance