标准化R中的字符串
我有一些品牌的数据集。通过预处理(例如小写、删除停止字、删减空白、字符串拆分等),我从最初的320个不同的案例中得到了114个。然而,仍有一些改进的余地标准化R中的字符串,r,stringdist,R,Stringdist,我有一些品牌的数据集。通过预处理(例如小写、删除停止字、删减空白、字符串拆分等),我从最初的320个不同的案例中得到了114个。然而,仍有一些改进的余地 # A tibble: 6 x 3 record Colum Name <dbl> <chr> <chr> 1 2 A check24 2 3 A NA 3 7 A weriwox 4 9 A verifox
# A tibble: 6 x 3
record Colum Name
<dbl> <chr> <chr>
1 2 A check24
2 3 A NA
3 7 A weriwox
4 9 A verifox
5 10 A chec24
6 11 A smava
例如,根据结果,我可以用“check24”替换掉“chec24”和“check42”。所以我可以进一步减少名字的数量。目标不是获得“真实”姓名匹配(因为我没有真实姓名的列表)。它更多的是替换非常相似的名称,以减少不同名称的总数。然而,我不知道该由谁来做这件事。。。也许一段时间
下面是一个类似名称的小dput:
structure(list(record = structure(c(2, 3, 7, 9, 10, 11, 16, 22,
39, 59, 89, 110, 113, 148, 167, 183, 184, 203, 270, 352, 399,
1243, 1254, 1258, 1274, 1299, 1309, 1321, 1331, 1344, 1352, 1375,
1383, 1416, 1417, 1421, 1484, 1493, 1555, 1571, 1575, 1588, 1590,
1591, 1644, 1649, 1672, 1676, 1744, 1770, 1816, 1822, 1906, 1934,
2080, 2090, 2335, 2374, 39, 148, 1299, 1334, 1487, 1681, 1816,
2159, 2335, 2376, 2376, 148, 1254, 1334, 1254, 1254, 22, 25,
29, 34, 59, 69, 75, 121, 122, 138, 148, 270, 706, 1230, 1274,
1276, 1344, 1357, 1367, 1375, 1376, 1383, 1386, 1421, 1422, 1468,
1486, 1493, 1507, 1715, 1743, 1790, 1822, 1837, 2159, 52, 1337,
1386, 2257, 1241), label = "record: Record number", format.spss = "F7.0", display_width = 7L),
Colum = c("A", "A", "A", "A", "A", "A", "A", "A", "A", "A",
"A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A",
"A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A",
"A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A",
"A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A",
"B", "B", "B", "B", "B", "B", "B", "B", "B", "B", "C", "D",
"D", "D", "E", "F", "K", "K", "K", "K", "K", "K", "K", "K",
"K", "K", "K", "K", "K", "K", "K", "K", "K", "K", "K", "K",
"K", "K", "K", "K", "K", "K", "K", "K", "K", "K", "K", "K",
"K", "K", "K", "L", "L", "L", "L", "M"), Name = c("check24",
NA, "weriwox", "verifox", "chec24", "smava", "verivox", "targobank",
"facebook", "kredit24", "taunus", "credit24", "finazcheck",
"maxda", "diba", "norisbank", "scout24", "easycredit", "kredit",
"finanzcheck", "swawa", "check42", "barclaycard", "kredit24.de",
"idealo", "immo", "santander", "wüstenrot", "check24.de",
"citybank", "smawa", "smama", "preisvergleich", "smarva",
"finanzscheck", "parisba", "versch", "comdirect", "ing",
"fakten", "tau res", "chevk24", "24 check", "veritas", "verivox check24 dr. klein",
"verivix.de", "easy", "easy-credit", "finanzsvout24", "check34",
"consorfinanaz", "sparkasse", "schek24", "ingdiba", "dr. klein",
"smavaa", "commerz", "sparda-bank", "youtupe", "creditplus",
"scout", "smavey", "interhyp", "krediten", "oostbank", "comdirekt",
"bank", "verivox.de", "preisvergleich24", "auxmoney", "hanseatikbank",
"klein", "advanzia", "americanexpress", "postbank", "targo",
"google", "kredit.de", "maxx", "moneycheck", "financescout24",
"yerivox", "finanzscout", "kreditvergleich.de", "volkswagen",
"vergleichskredit", "scheck24", "finanzscout24", "creditvergleich",
"preisvergleiche.de", "barclay", "toptarif", "finanztest",
"chech24", "dr. weber", "online-aspecte.de", "finanzcheck.de",
"targa", "checl24", "verybox", "verifox.de", "finanzen",
"n24", "finanzcheck24", "testsieger", "online", "volksbank",
"checkkredit.eu", "n26", "kreditvergleich", "finanzvergleich",
"kreditexperte.de", "kreditmacher", "samba")), class = c("tbl_df",
"tbl", "data.frame"), row.names = c(NA, -114L))
尝试语音软件包中的
phonics
。它有16种不同的方法。让他们看看哪一个对你的数据最有效。
structure(list(record = structure(c(2, 3, 7, 9, 10, 11, 16, 22,
39, 59, 89, 110, 113, 148, 167, 183, 184, 203, 270, 352, 399,
1243, 1254, 1258, 1274, 1299, 1309, 1321, 1331, 1344, 1352, 1375,
1383, 1416, 1417, 1421, 1484, 1493, 1555, 1571, 1575, 1588, 1590,
1591, 1644, 1649, 1672, 1676, 1744, 1770, 1816, 1822, 1906, 1934,
2080, 2090, 2335, 2374, 39, 148, 1299, 1334, 1487, 1681, 1816,
2159, 2335, 2376, 2376, 148, 1254, 1334, 1254, 1254, 22, 25,
29, 34, 59, 69, 75, 121, 122, 138, 148, 270, 706, 1230, 1274,
1276, 1344, 1357, 1367, 1375, 1376, 1383, 1386, 1421, 1422, 1468,
1486, 1493, 1507, 1715, 1743, 1790, 1822, 1837, 2159, 52, 1337,
1386, 2257, 1241), label = "record: Record number", format.spss = "F7.0", display_width = 7L),
Colum = c("A", "A", "A", "A", "A", "A", "A", "A", "A", "A",
"A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A",
"A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A",
"A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A",
"A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A",
"B", "B", "B", "B", "B", "B", "B", "B", "B", "B", "C", "D",
"D", "D", "E", "F", "K", "K", "K", "K", "K", "K", "K", "K",
"K", "K", "K", "K", "K", "K", "K", "K", "K", "K", "K", "K",
"K", "K", "K", "K", "K", "K", "K", "K", "K", "K", "K", "K",
"K", "K", "K", "L", "L", "L", "L", "M"), Name = c("check24",
NA, "weriwox", "verifox", "chec24", "smava", "verivox", "targobank",
"facebook", "kredit24", "taunus", "credit24", "finazcheck",
"maxda", "diba", "norisbank", "scout24", "easycredit", "kredit",
"finanzcheck", "swawa", "check42", "barclaycard", "kredit24.de",
"idealo", "immo", "santander", "wüstenrot", "check24.de",
"citybank", "smawa", "smama", "preisvergleich", "smarva",
"finanzscheck", "parisba", "versch", "comdirect", "ing",
"fakten", "tau res", "chevk24", "24 check", "veritas", "verivox check24 dr. klein",
"verivix.de", "easy", "easy-credit", "finanzsvout24", "check34",
"consorfinanaz", "sparkasse", "schek24", "ingdiba", "dr. klein",
"smavaa", "commerz", "sparda-bank", "youtupe", "creditplus",
"scout", "smavey", "interhyp", "krediten", "oostbank", "comdirekt",
"bank", "verivox.de", "preisvergleich24", "auxmoney", "hanseatikbank",
"klein", "advanzia", "americanexpress", "postbank", "targo",
"google", "kredit.de", "maxx", "moneycheck", "financescout24",
"yerivox", "finanzscout", "kreditvergleich.de", "volkswagen",
"vergleichskredit", "scheck24", "finanzscout24", "creditvergleich",
"preisvergleiche.de", "barclay", "toptarif", "finanztest",
"chech24", "dr. weber", "online-aspecte.de", "finanzcheck.de",
"targa", "checl24", "verybox", "verifox.de", "finanzen",
"n24", "finanzcheck24", "testsieger", "online", "volksbank",
"checkkredit.eu", "n26", "kreditvergleich", "finanzvergleich",
"kreditexperte.de", "kreditmacher", "samba")), class = c("tbl_df",
"tbl", "data.frame"), row.names = c(NA, -114L))