获取R中两个数据帧的近似子串的位置

Question

我有两个数据框。第一个 (word.library) 包括应该与第二个数据帧 (targetframe) 中的字符串大致匹配的字符串。

word.library <- data.frame(mainword = c("important word",
                                                "crazy sayings"))    

tragetframe <- data.frame(words= c("Important Words",
                                           "I would also Importante worde of thes substring",
                                           "No mention of this crazy sayingsys"))

我只是找到了一个一个的解决方案（循环也是如此），但这不能满足我的需求：

positions <- aregexec(word.library[1,1], tragetframe$words, max.distance = 0.1)

positions <- aregexec(word.library[2,1], tragetframe$words, max.distance = 0.1)

最后：我正在寻找一种解决方案来同时对 word.library$mainword 列中的所有字符串执行此操作。有人有好主意吗？谢谢。

Answer 1

find <- function(library.vec, frame.vec) {
  aregexec(library.vec, frame.vec, max.distance = 0.1)
}

如果函数是根据您尝试的表达式创建的，您将能够将其包含在应用族函数中以在词库中重复。

mapply(find, word.library[,1], list(tragetframe[,1]))
#     [,1] [,2]
#[1,] 1    -1  
#[2,] 14   -1  
#[3,] -1   20

进程中删除了属性。输出按每个单词的列排列。如果你想保留属性尝试：

lapply(word.library[,1], find, tragetframe[,1])

获取R中两个数据帧的近似子串的位置

Getting positions of approximate substrings accross two data frames in R

r

pattern-matching

fuzzy-search