Используя stringdist для двух наборов данных с перекрестным соединением в R
Струнная работа с вектором
stringdist("ca","abc")
[1] 3
но я хочу сначала сопоставить два набора данных
structure(list(id = structure(c(5L, 2L, 4L, 3L, 6L, 1L, 7L), .Label = c("SOFT Ватные палочки 100 ПЭ (БЭЛЛ",
"Лимоны 55+", "МАКФА макароныоны перья любит. в/с", "Пакет Магнит белый (Пластиктре",
"Салфетки бумажные колор 100шт PL", "ТОБУС Сушки Челночок 0,5кг флоуп",
"ФЕТАКСА Сырный продукт 60% 400г("), class = "factor")), .Names = "id", class = "data.frame", row.names = c(NA,
-7L))
и второй
structure(list(id2 = structure(c(4L, 3L, 2L, 5L, 1L, 6L), .Label = c("ватные палочки ",
"МАКФА макароныоны перья ", "пакет белый", "салфетки", "сушки",
"сырный продукт"), class = "factor")), .Names = "id2", class = "data.frame", row.names = c(NA,
-6L))
все эти строки должны быть сопоставлены выходом IE перекрестного соединения
id1 id2 weight.between.strings
1 Салфетки бумажные колор 100шт PL салфетки 1
2 Салфетки бумажные колор 100шт PL пакет белый 2
3 Салфетки бумажные колор 100шт PL макфа перья 3
4 Салфетки бумажные колор 100шт PL сушки 4
5 Салфетки бумажные колор 100шт PL ватные палочки 5
6 Салфетки бумажные колор 100шт PL сырный продукт 6
7 Лимоны 55+ салфетки 7
8 Лимоны 55+ пакет белый 8
9 Лимоны 55+ макфа перья 9
10 Лимоны 55+ сушки 10
11 Лимоны 55+ ватные палочки 11
12 Лимоны 55+ сырный продукт 12
13 Пакет Магнит белый (Пластиктре салфетки 13
14 Пакет Магнит белый (Пластиктре пакет белый 14
15 Пакет Магнит белый (Пластиктре макфа перья 15
16 Пакет Магнит белый (Пластиктре сушки 16
17 Пакет Магнит белый (Пластиктре ватные палочки 17
18 Пакет Магнит белый (Пластиктре сырный продукт 18
19 МАКФА макароныоны перья любит. в/с салфетки 19
20 МАКФА макароныоны перья любит. в/с пакет белый 20
21 МАКФА макароныоны перья любит. в/с макфа перья 21
22 МАКФА макароныоны перья любит. в/с сушки 22
23 МАКФА макароныоны перья любит. в/с ватные палочки 23
24 МАКФА макароныоны перья любит. в/с сырный продукт 24
25 ТОБУС Сушки Челночок 0,5кг флоуп салфетки 25
26 ТОБУС Сушки Челночок 0,5кг флоуп пакет белый 26
27 ТОБУС Сушки Челночок 0,5кг флоуп макфа перья 27
28 ТОБУС Сушки Челночок 0,5кг флоуп сушки 28
29 ТОБУС Сушки Челночок 0,5кг флоуп ватные палочки 29
30 ТОБУС Сушки Челночок 0,5кг флоуп сырный продукт 30
31 SOFT Ватные палочки 100 ПЭ (БЭЛЛ салфетки 31
32 SOFT Ватные палочки 100 ПЭ (БЭЛЛ пакет белый 32
33 SOFT Ватные палочки 100 ПЭ (БЭЛЛ макфа перья 33
34 SOFT Ватные палочки 100 ПЭ (БЭЛЛ сушки 34
35 SOFT Ватные палочки 100 ПЭ (БЭЛЛ ватные палочки 35
36 SOFT Ватные палочки 100 ПЭ (БЭЛЛ сырный продукт 36
37 ФЕТАКСА Сырный продукт 60% 400г( салфетки 37
38 ФЕТАКСА Сырный продукт 60% 400г( пакет белый 38
39 ФЕТАКСА Сырный продукт 60% 400г( макфа перья 39
40 ФЕТАКСА Сырный продукт 60% 400г( сушки 40
41 ФЕТАКСА Сырный продукт 60% 400г( ватные палочки 41
42 ФЕТАКСА Сырный продукт 60% 400г( сырный продукт 42
Как получить желаемый результат? здесь матрица 7х6 строк. В реальных данных 20 000, 20 000. Это украинские строки. Здесь названия товаров, содержание не имеет значения. Вопрос в том, как сопоставить эти строки.
1 ответ
Решение
Я не уверен, что понимаю ваш желаемый результат, но следующее вычисляет расстояния между всеми парами строк обоих фреймов данных, используя расстояние по умолчанию "osa",
В дальнейшем я назвал ваш первый data.frame first а второй second,
library(stringdist)
res <- lapply(first$id, function(x){
d <- stringdist(x, second$id2)
setNames(d, second$id2)
})
names(res) <- first$id
res <- do.call(rbind, res)
res <- reshape2::melt(res)
names(res)[1:2] <- c("id1", "id2")
head(res)
# id1 id2 value
#1 Салфетки бумажные колор 100шт PL салфетки 25
#2 Лимоны 55+ салфетки 10
#3 Пакет Магнит белый (Пластиктре салфетки 26
#4 МАКФА макароныоны перья любит. в/с салфетки 31
#5 ТОБУС Сушки Челночок 0,5кг флоуп салфетки 30
#6 SOFT Ватные палочки 100 ПЭ (БЭЛЛ салфетки 28
Также есть функция stringdistmatrix который вычисляет матрицу расстояний. Но, учитывая размеры ваших реальных матриц, это может быть нецелесообразно.
res2 <- stringdistmatrix(first$id, second$id2)
dimnames(res2) <- list(first$id, second$id2)
res2