问题标签 [partial-matches]

我需要帮助将以下公式复制到 Google 表格中。由于谷歌表格不支持聚合，我很难将其复制到谷歌表格中。

我需要一个公式，它将根据数据中的特定文本列出所有部分匹配项。

非常感谢您的帮助。

下面是我在excel中使用的公式：

以下是样本数据和结果：

我如何从正则表达式中提取它：

mymatch[ someother char ]

我想要的是mymatch后跟 a[但我不希望匹配中的方括号。

我坚持这一点，但它也得到方括号：

\b.*?\[

更一般地说，我如何从匹配中排除模式的某些部分？

例如，在这里(abc2)mymatch我想要一个正则表达式仅在它之前返回我的匹配项(abc2)。

我有“收货地点”列表，我需要查找另一列，其中包含一组列表，其中包含正确大小写/正确名称的城市名称。

我试过下面的公式，但我没有找到任何运气

=(VLOOKUP(LOOKUP(2^15,SEARCH($I$1:$I$7,A2),$I$1:$I$7),$I$1:$I$7,1,0))

当单元格中的第一个单词与另一个单词匹配时，它会给我结果，但是当“收据地点”在第一个单词之后有不同的单词时，它会抛出错误，

例如，如上图所示，“BRADFORD GB”不会从城市列表中获取“Bradford, WYK”。

在不使用脚本的情况下，我必须使用哪些选项来检测重复/部分匹配？

背景：

• 我在 A 列中有大量名称（使用 UNIQUE 函数）。
• 在该列中存在拼写错误的重复名称。

尝试的解决方案

• 使用 Excel，我可以使用聚合/行/搜索，但这不适用于 Google 表格。

想法（可能有效）

1. 将检测 A2 中的名称是否包含 75% 或更多在 A3:A 中找到的相同字母的公式。

选项：

• 如果 75% 或更多，在 B2 中写 TRUE
• 如果 75% 或更多，条件格式 - 突出显示单元格

2. 检测 A2 中的前 3 个字母是否与 A3 中的前 3 个字母匹配的公式：A

选项：

• 如果前 3 个字母匹配，则在 B2 中写入 TRUE
• 如果前 3 个字母匹配，条件格式 - 突出显示单元格
• 前 3 个字母中有错字，不会那么准确。

还有其他想法吗？

谢谢！

我希望有人可以帮助我。

我有一个包含具有相似名称的列的数据框（请参阅示例数据）

我有 3 个额外的列名列表，其中包括列的原始名称（即问号之前出现的字符串（请参阅列名列表）

我需要根据匹配 3 个列表中存在的列名的第一部分，将 df 数据帧子集为 3 个单独的数据帧。底部的预期输出。

它必须在列表（或程序化的东西）中，因为我有很多这样的列。我尝试了模式匹配，但因为某些名称非常相似，它们匹配多个列表。

先感谢您！

示例数据

其他 3 个数据框中的列名列表

期望的输出

我有两个文件，每个文件包含以下内容：

/tmp/mydir-1：

和第二个文件/tmp/mydir-2：

我想在 file2 中匹配，仅包含与第一个文件code2=XXX中匹配的行，并返回由.code=XXX,

这意味着如果在这里，这两个文件之间唯一匹配的行是：

和

所以要返回：

我是 awk 的新手。我需要做一些事情，但仍然不知道如何将这些事情联系在一起。

我知道这样我可以拆分 code 或 code2 列并在=with 之后打印实际值：

这返回：

现在我正在尝试拆分代码列=并比较两个文件之间的值，这就是我出错的地方。

当我执行这个：

我长高了，线条mydir-2重复了：

所以这就是我被困的地方。我猜我正在以某种方式将第二个文件与自身进行比较？不太确定如何从这里继续。

任何有关此问题的信息将不胜感激。

谢谢

更新

感谢@KamilCuk 的更新。

我更改了变量名称，这是命令：

{}我在@KamilCuk 提到的第二个文件中添加了第二个拆分，当我执行它时结果为空。

变量名和我认为它们的含义：

在 awk 代码与第一个文件相关以及与第二个文件相关的问题上，我是否正确理解了 awk 语法？

我有一个熊猫数据框，如下所示：

我想检查每个以至少两个“x”开头的电子邮件地址，并检查是否存在没有这些“x”的相同电子邮件地址。

要求的结果：

我能够获得一个包含所有这些行的子数据框，其中电子邮件以 'xx' using 开头df[df['email'].str.contains("xx")]，并且还能够在没有 'x' using 的情况下获得电子邮件地址str.lstrip('x')，但似乎都不能帮助我了解是否这封电子邮件出现在没有那些 x 的其他地方。

我有需要在另一张表（4 列）中搜索的值，第四列的单元格包含文本字符串。我需要一个能够搜索和计算该值出现在另一张表中的次数的公式，即使是在一串文本中也是如此。最好我希望它找到文本的完全匹配。有时一个单元格会是“abcd”，它会算作“abcd1”。

到目前为止，这只能让我知道值在单元格中单独显示的次数，而不是在文本字符串中显示的次数。我相信某些值也会涉及一些连接。建议？

我一直试图从一个非常宽格式的数据框中按顺序对列进行子集化。1 行，几千列。列名是重复的，因此当 R 检索和读取时，它们都被标记为“...1/2/3/4/5”

样本数据：

现在您看到列在段中重复，每个段基本上是一个人，他的名字和姓氏，以及他可能的头衔。然后它转到下一个人

我想要的是根据这样的细分对它们进行子集化，这样我就可以旋转表格并清理这个烂摊子。

这是我最初的尝试，它提取了与名字和姓氏匹配的所有列，然后是covered_position。问题是它将所有名字放在一起，然后是姓氏，然后是covered_position。

所以以这种方式，我丢失了段，我想按原始顺序取出 3 列：

然后将 3 列连接在一起，这样我就有了一个字符串，然后我可以将其旋转为长格式并清理它。

谢谢

我有两张桌子；“参考”和“表A”。

我正在查看 TableA 这是一个不完整的表，并希望通过引用“参考”表、填充缺失值和/或添加找到多个匹配项的行来将其变成一个“完整”表。

“Reference”和“TableA”的可重现示例如下：

我试图通过执行以下操作来解决此问题：

但是，此解决方案将返回整个 Reference$D，但我只想从 Reference$D 返回那些 A、B、C 列与 TableA 上的内容匹配（或部分匹配）的记录。

例如，在 TableA 的第 1 行中，我想将第 1 行替换为参考表的第 3、4 和 12 行。

预期输出如下。

请注意，参考表组合 1、2、3、1 在预期输出中出现两次，因为它与 TableA 的第 1 行和第 2 行都匹配。