r - 在数据框中查找与 R 中最接近的匹配行

Question

我在 R 中有一个数据框，其中包含 5 行(记录)，每行 3 个属性。现在，给定具有相同 20 个属性的新记录，就其内容(值)而言，找到 10 行中哪一行与该新行最相似的最佳方法是什么？

现有数据

Age Occupation Nationality,
23  Builder    German,
29  Worker     British,
45  Contractor Vietnamese,
24  Engineer   German,
28  Doctor     Indian,

新数据

23  Doctor German

预期输出

23  Builder    German

我想返回第 1 行，即上面的行，因为两个属性匹配

Answer 1

您可以将 stringdist 中的 stringdist 与 method=jaccard 一起使用。通过使用 Map，我们将 df 的列与列表 newdata 的相应元素进行比较。即 df 中的 Age 列用于将 stringdist 与 23 进行比较，Occupation 与Doctor 等等...应用 stringdist 函数后，我们为每个列表获取长度等于 nrow(df) 的数值元素。使用 Reduce 添加相应的值 (+)，然后我们使用 which.min< 查找 最小值 值 (输出将是逻辑索引)。该索引用于对 df 进行子集化。

library(stringdist)
df[which.min(Reduce(`+`,Map(stringdist,df, newdata,
                                 method='jaccard'))),]

#  Age Occupation Nationality
#1  23    Builder      German

数据

df <-  structure(list(Age = c(23, 29, 45, 24, 28), Occupation = c("Builder", 
"Worker", "Contractor", "Engineer", "Doctor"), Nationality = c("German", 
"British", "Vietnamese", "German", "Indian")), .Names = c("Age", 
"Occupation", "Nationality"), row.names = c(NA, -5L), class = "data.frame")

newdata <- list(23,"Doctor","German")