在R中的第二个数据帧中查找最近的字符串

我有一个相当大的

data.frame

，其中包含未更新的名称，我希望获得存储在另一个

data.frame

中的正确名称。 我正在使用

stringdist

函数查找两列之间最接近的匹配项，然后我想将新名称放入原始

data.frame

我正在使用基于

sapply

函数的代码，如下例所示：

dat1 <- data.frame("name" = paste0("abc", seq(1:5)),
          "value" = round(rnorm(5), 1))


dat2 <- data.frame("name" = paste0("abd", seq(1:5)),
                   "other_info" = seq(11:15))

dat1$name2 <- sapply(dat1$name,
                        function(x){
                          char_min <- stringdist::stringdist(x, dat2$name)
                          dat2[which.min(char_min), "name"]
                        })
dat1

---

dat1首先将数据帧转换为数据表：

dat1 <- data.table(dat1)
dat2 <- data.table(dat2)

这应该比sapply函数快得多。希望这有帮助
 作为第一步，您可以使用
unlist（lappy）
而不是
sapply
来加速代码。尝试
RecordLinkage:：levenshteinDist
而不是
stringdist:：stringdist
-3x快仅使用
amatch
就可以提供相当好的性能。转换为
数据。表
只会产生很小的额外加速。非常好，它的工作方式非常出色（在内存和速度方面）。@P.Denelle太棒了！
dat1[,name2 := dat2[stringdist::amatch(name, dat2$name)]$name]