R 不完全字符串匹配

假设我有两列名字。第一列中的所有名称都在第二列中，但顺序是随机的，有些名称并不完全匹配。因此，也许在一个专栏中有约翰·史密斯的名字，在第二个专栏中有约翰·史密斯或约翰·史密斯的名字。有没有一种相当简单的“最佳匹配”方式

给出如下数据：

df<-data.frame(x=c('john doe','john smith','sally struthers'),y=c('John Smith','John_smith','JonSmith'))

然后，您需要的是

agrep

：

> agrep(df$x.fix[2], df$y.fix)
[1] 1 2 3

---

有关更复杂的混淆字符串，请参见。

+1以了解

tolower（）

和

gsub（）

，找出在levenshtein距离中可能被过度计算的内容。如果您的列数超过了名字和姓氏（例如，您也有出生日期和地址等），并且希望找到可能匹配的行，查看

记录链接

包。

> agrep(df$x.fix[2], df$y.fix)
[1] 1 2 3