在R/Python中，部分匹配两个具有公共列（按字）的数据帧

我有两个数据帧作为csv文件，其中

df1

的行数多于

df2

：

Df1

Name                         Count
xxx yyyyyy bbb cccc           15
fffdd 444 ggg                 20
kkbbb ccc dd 29p              5
22 cc pbc2 kmn3 b23 efgh      4
ccccccccc sss qqqq            2

Df2

Name
xxx yyyyyy bbb cccc
ccccccccc sss qqqq pppc
22 cc pbc2 kmn3 b23,efgh

我想通过匹配前两个或三个单词来进行部分匹配（近似/模糊匹配）。基本上，输出如下：

输出：

Name                       Count
xxx yyyyyy bbb cccc         15
22 cc pbc2 kmn3 b23 efgh    4
ccccccccc sss qqqq          2

---

通过尝试精确匹配，我丢失了一些行。我在R中尝试了

agrep

，但不知怎么的，它不起作用，模糊匹配相当慢。请给我推荐一种在R或python中实现这一点的方法。感谢您的帮助

在R中，可以使用

agrep

进行模糊匹配。您可以使用

max.distance

参数设置匹配允许的最大距离

DF1[sapply(DF2$Name, agrep, DF1$Name, max.distance = 0.2), ]

#                       Name Count
# 1      xxx yyyyyy bbb cccc    15
# 5       ccccccccc sss qqqq     2
# 4 22 cc pbc2 kmn3 b23 efgh     4

---

数据：

DF1 <- read.table(text = "Name                         Count
'xxx yyyyyy bbb cccc'           15
'fffdd 444 ggg '                20
'kkbbb ccc dd 29p'              5
'22 cc pbc2 kmn3 b23 efgh'      4
'ccccccccc sss qqqq'           2", header = TRUE, stringsAsFactors = FALSE)

DF2 <- read.table(text = "Name
'xxx yyyyyy bbb cccc'
'ccccccccc sss qqqq pppc'
'22 cc pbc2 kmn3 b23,efgh'", header = TRUE, stringsAsFactors = FALSE)

---

DF1谢谢！！我使用的是相同的代码，但是当数据量很大时，它的速度非常慢。你知道其他更快的方法吗？@warwick12不幸的是，模糊匹配速度很慢。您可以尝试一种迭代方法，从可能的匹配集中删除匹配项，以减少每个步骤中的比较次数。当然，你必须记住原来的行号。回答得好。stringdist（）是否仅适用于数字匹配？谢谢！我得到了这个错误。您知道此错误的可能原因吗：
[.default
（xj，i）中的错误：无效的下标类型“list”？@warwick12我想算法找到了一个以上的字符串匹配项。