获取两个列表之间最接近的字符串匹配

Question

我是 R 的真正初学者，我只有这两个列表，其中包含城市名称。一个列表包含用户生成的名称（人们拼写混乱），另一个列表包含名称的正字法。

我尝试使用包 stringdist，最后我得到了一个循环 (for) 并给出最接近匹配的代码。但是我只能输入向量，我真的需要使用数据框

这是我的代码（天哪，感觉很别扭）：

 input <- "BAC"   #misspelled 
  correct <- c("ABC", "DEF", "GHI", "JKL") #list with all correct names
  shortest <- -1a

for (word in correct) {

  dist <- stringdist(input, word)
  #checks if it's a match!
  if (dist == 0){
    closest <- palavra
    shortest <- 0

    break

  }

  if(dist <= shortest || shortest < 0){
    closest <- word
    shortest <- dist

  }

}


if(shortest == 0){ 
  print("It's a match!")
} else {
  print(closest)
}

ideia 是使用这段代码来产生一个想法，我想从这里转到在我的数据框的每一行中使用 stringdist。我什至不知道这是不是个好主意，如果这会占用太多处理能力，请不要害怕说它很愚蠢。谢谢！

Answer 1

在 stringdist 包中有一个特殊的函数叫做 amatch:

input <- "BAC"   #misspelled 
correct <- c("ABC", "DEF", "GHI", "JKL") 

correct[amatch(input, correct, maxDist = Inf)]
# "ABC"

这也适用于同时输入多个单词，因此无需使用 for 循环

input <- c("New Yorkk", "Berlyn", "Pariz") # misspelled 
correct <- c("Berlin", "Paris", "New York", "Los Angeles") # correct names

correct_words <- correct[amatch(input, correct, maxDist = Inf)]
data.frame(input, correct_words)

 #       input correct_words
 #   New Yorkk      New York
 #      Berlyn        Berlin
 #       Pariz         Paris

获取两个列表之间最接近的字符串匹配

Getting the closest string matches between two lists

spell-checking

r

dataframe

stringdist