问题标签 [agrep]

我试图从我的表中只过滤标题列中包含“dog”一词的行，但我无法让它工作。

这是一个数据示例：

以下代码应该可以工作，但不能：

我希望看到第 3 行的 TRUE。任何帮助表示赞赏。谢谢

我很难理解agrep()函数的结果。我不明白我在功能描述中遗漏了什么。 agrep()用于模糊匹配，我想用它来纠正一些拼写错误。我只想允许最多 2 次插入/删除/替换。

这是我的代码仅作为示例：

在这里，我期望这个请求没有答案，因为我无法转换"73SAINTGERVAIS"为最多 2 次插入"73SAINTGERMAINLACHAMBOTTE"/"73CHAMBERY"删除/替换。但是，结果是：

这是否意味着插入/删除/替换的概念不是基于字符的（我的意思是字符串"MAINLACHALBOTTE"被视为 1 次插入）？

我有两个带有许多变量的数据框。主要关注的是以下变量，df1.organization_name 和 df2.legal.name。我只是在这里使用完全限定的 SQL 式名称。

df1 的尺寸为 15 x 2700，而 df2 的尺寸为 10x40,000。本质上，“通用”或“匹配”列是名称字段。

我通过 R 中的变量的模糊匹配查看了这篇文章 Merging，它非常有帮助，但我真的不知道如何处理脚本以使其与我的 dfs 一起使用。

我不断收到一个错误 - 错误其中（organization_name [i] == LEGAL.NAME）：找不到对象'LEGAL.NAME'。

期望的匹配和结果

我想要做的是将我的每一个 df1.organization_name 与每一个 df2.legal_name 进行比较，如果它们非常接近（比如> = 85％），请进行比较。然后像上面的脚本一样，获取匹配的客户名称和匹配的比较名称，并将它们放入 data.frame 以供以后分析。

因此，如果我的客户名称之一是“Johns Hopkins Auto Repair”，而我的公共列表名称之一是“John Hopkins Microphone Repair”，我会认为这是一个很好的匹配，我希望在我的客户列表中附加某种指示符（在另一列中）显示“部分匹配”和公共列表中的名称。

用于文本整理的 dfs 示例：

df1.organization_name（这些是假名 b/c 我不能发布客户名称）

df2.LEGAL.NAME（这些是来自开源文件的真实姓名）

我有一个位置向量，我试图消除与正确位置名称向量的歧义。对于这个例子，我只使用了两个明确的位置：

帮助页面说max.distance是

一场比赛允许的最大距离。表示为整数或模式长度乘以最大转换成本的分数

我不确定Levensthein距离的数学含义；我的理解是，距离越小，与我的歧义字符串向量不匹配的容忍度就越严格。

所以我会调整它以检索两个FALSE？基本上，我TRUE只想在有 1 个字符的差异时使用，例如：

我需要一些帮助来理解这些函数的参数。我从帮助中举了一个例子。

ins，代表插入；del 删除；和 sub 用于替换。

从中不难看出，在比较字符串 1 visa vie 与字符串 2 时，发现SMMMSMI; 2次换人1次插入，总距离应该是3。

这就是我不明白的，为什么当我将插入成本设置为零时，总距离的结果为零。由于替换的数量，我希望是 2。

非常感谢。

我正在尝试agrep使用R. 我不明白，为什么它没有返回任何价值。我正在寻找一种解决方案，它将提供给定文本的封闭匹配。在给定的示例中，它应该显示"ms sharda stone crusher prop rupa"

我将不胜感激任何帮助。提前致谢。

我正在尝试使用 agrep 命令在 R 中进行字符串匹配。但是我担心它会在找到一个好的匹配时停止，而不是优化以找到最好的匹配。尽管我对它的工作原理的理解可能不正确。我下面的例子重现了这个问题，尽管很粗糙。

正如您所希望看到的，agrep 已将体重与身高相匹配，此时体重是更好的匹配并且也存在。

为什么是这样？

我正在尝试使用 agrep 命令进行模糊匹配。我有一个数据框，其中一列包含受众响应，另一个数据框列出了细分和子细分。列受众响应包含作为子分段名称的单词。例如：

同样，我有另一个名为 x 的数据框包含段和子段

我想编写一个函数，在 pattern$Audience 和 x$subsegment 之间进行模糊匹配，并在新列中返回每个观众响应的 subsegment 作为 pattern$subseg

我需要的结果数据集应该是这样的：

这是我尝试编写的代码，但它没有返回我想要的输出：

有人可以帮我纠正我的错误。我真的很感激你的回答。非常感谢

我正在尝试编写一个循环来对数据框执行以下操作：

对于“名称”列中的每个名称，检查“推荐”列中是否存在粗略匹配（通过 agrep() 完成）。如果存在匹配项，请将“推荐”列中与名称大致匹配的所有单元格替换为“推荐”。

到目前为止，这是我的代码：

但是，此代码（在运行 20 分钟后）将“推荐”列中的所有单元格替换为“推荐”。我想知道第一行中的“i”在整个循环中是否保持不变？显然是一个笨重的代码块，但我想不出它为什么会这样做......

一个例子是：

运行该函数后，理想情况下 df$Referral[3]=='referral' 将为 TRUE。

我有一个大的行政数据文件，大约 100 万条记录。在这个数据集中，个人可以多次表示。大约一半的记录具有将记录映射到个人的识别代码；对于没有的那一半，我需要模糊匹配名称以标记可能属于同一个人的记录。

通过查看带有识别码的记录，我创建了一个在同一个人的姓名记录中出现的差异列表：

• 包含中间名，例如 Jon Snow vs Jon Targaryen Snow
• 包含第二个姓氏，例如 Jon Snow vs Jon Targaryen-Snow
• 昵称/名字的缩写，例如 Jonathon Snow vs Jon Snow
• 姓名颠倒，例如 Jon Snow vs Snow Jon
• 拼写错误/错别字/变体：例如 Samual/Samuel、Monica/Monika、Rafael/Raphael

鉴于我所追求的匹配类型，有没有比使用 agrep()/levenshtein 的距离更好的方法，这在 R 中很容易实现？

编辑：R 中的 agrep() 不能很好地解决这个问题 - 因为我需要允许大量的插入和替换来解释名称的不同记录方式，所以会抛出很多错误的匹配项.