Нечеткое совпадение строк в R на числах, разделенных дефисами

Question

Я пытаюсь сопоставить идентификаторы башни сотового телефона, содержащиеся в одной таблице, с основной таблицей местоположений (в лат.) Идентификаторов башни сотового телефона. Формат идентификаторов в таблице местоположений отличается от идентификаторов в первой таблице, и я пытаюсь использовать agrep() сделать нечеткое совпадение. Чтобы дать вам пример, скажем, ID, который я пытаюсь сопоставить:

x <- c("405-800-125-39883")

Образец идентификаторов находится в таблице местоположений:

y <- c("405-810-1802-19883", "405-810-2101-29883", "405-810-1401-31883",
       "405-810-5005-49883","125-39883","405-810-660-39883")

Я тогда использую agrep() с разными комбинациями max.distance:

agrep(x,y,max.distance=0.3,value=TRUE)

Это возвращает:

[1] "405-810-1802-19883" "405-810-2101-29883" "405-810-1401-31883" "405-810-5005-49883"
[5] "405-810-660-39883"

Принимая во внимание, что ценность, которую я действительно после "125-39883"Я также попробовал stringdist_join() функция от stringdist пакет и применяется к двум фреймам данных bby по-разному max_dist но безуспешно По сути, я ищу идеальное совпадение после последнего дефиса, а затем указание числа на втором последнем дефисе и так далее. Есть ли способ сделать это?

Answer 1

Вы можете векторизовать agrep чтобы иметь возможность использовать все значения у в качестве шаблона. Ваша цель состоит в том, чтобы искать все y как часть x. Таким образом, ваш шаблон должен быть у, а не х

names(unlist(Vectorize(agrep)(y,x)))
[1] "125-39883"   

Хотя мы можем использовать adist с аргументом partial=TRUE так что он может делать именно то, что agrep делает:

 y[which.min(c(adist(y,x,partial = T)))]
    [1] "125-39883"

Если x это вектор и y также вектор, вы бы предпочли использовать adist вместо agrep, Все аргументы agrep содержатся в adist, Проверьте ?adist для дальнейших деталей.

с вашим новым вопросом в комментариях вы можете сделать что-то вроде этого:

w=adist(y,x,partial=T)
z=setNames(nchar(sub(".*?(M*)$","\\1",c(attr(adist(y,x,counts=T),"trafos")))),y)
names(which.max(z[which(min(w)==w)]))
[1] "126-39883"