Match (Join) zwei Datenrahmen mit regulären Ausdruck in r

Question

Ich muss zwei Datenrahmen übereinstimmen, aber dort ID ist nicht genau das Gleiche. ID2 ist vielleicht länger, enthält aber alle Zeichen in ID1. Wie gehe ich links in zwei Tabellen, ohne Informationen zu verlieren. zum Beispiel und 485 gelten als gleich.

library(tidyverse) 
data1 <- tibble(id = c(175642619,172881781,182219556,41925997,201404118), 
      case_id=c(2746306,2746823,2749855,2749933,2750222)) 

data2 <- tibble(id = c(175642619,172881781568,485182219556,41925997,201404118), 
      case_id2=c(2746306,2746823,2749855,2749933,2750222)) 

left_join(data1, data2) 

Answer 1

Sie können diese mit fuzzyjoin Bibliothek tun. Es gibt stringdist_left_join, die eine linke Verknüpfung basierend auf einem Abstand zwischen zwei Zeichenfolgen ist. In Ihrem Fall setze ich max_dist gleich 3. Das bedeutet, dass zwei Strings als gleich angesehen werden, was eine maximale Entfernung von bis zu 3 Zeichen zwischen zwei Strings erlaubt, was in Ihrem Fall der Fall ist.

library(fuzzyjoin) 
stringdist_left_join(data1, data2, by ="id", max_dist = 3) 

#  id.x case_id   id.y case_id2 
#1 175642619 2746306 175642619 2746306 
#2 172881781 2746823 172881781568 2746823 
#3 182219556 2749855 485182219556 2749855 
#4 41925997 2749933  41925997 2749933 
#5 201404118 2750222 201404118 2750222