我有一个字符向量列表和一个字符向量。我想在列表的每个元素(字符向量)与字符向量(字符串)的每个元素之间执行 R 中的模糊匹配,并返回每个组合的最大相似度得分。下面是一个玩具示例:
a <- c("brown fox", "lazy dog", "white cat", "I don't know", "sunset", "never mind", "excuse me")
b <- c("very late", "do not cross", "sunrise", "long vacation")
c <- c("toy example", "green apple", "tall building", "good rating", "accommodating")
mylist <- list(a,b,c)
charvec <- c("brown dog", "lazy cat", "white dress", "I know that", "excuse me please", "tall person", "new building", "good example", "green with envy", "zebra crossing")
现在,我想将 mylist
中的每个元素与 charvec
中的第一个字符串进行模糊匹配,并返回 7 个分数中的最大相似度分数。同样,我想获得 mylist
和 charvec
每种组合的分数。
到目前为止我的尝试:
将 charvec 中的字符串转换为空数据框的列名
df <- setNames(data.frame(matrix(ncol = 10, nrow = 3)), c(charvec))
使用 RecordLinkage 包中的 jarowinkler 距离计算每个组合之间的最大相似度得分(或者是否有更好的匹配短语距离度量!!)
for (j in seq_along(mylist)) {
for (i in length(ncol(df))) {
df[[i,j]] <- max(jarowinkler(names(df)[i], mylist[[j]]))
}
}
但不幸的是,我在第一行只得到 3 分,其余值均为 NA。
对此的任何帮助将不胜感激。
最佳答案
使用purrr
包
mylist <- setNames(mylist, c('a', 'b', 'c'))
library(purrr)
map_dfr(charvec,
function(wrd, vec_list){
setNames(map_df(vec_list, ~max(jarowinkler(wrd, .x))),
names(vec_list)
)
},
mylist)
# A tibble: 10 x 3
a b c
<dbl> <dbl> <dbl>
1 0.911 0.580 0.603
2 0.85 0.713 0.603
3 0.842 0.557 0.515
4 0.657 0.490 0.409
5 0.912 0.489 0.659
6 0.538 0.546 0.801
7 0.716 0.547 0.740
8 0.591 0.524 0.856
9 0.675 0.509 0.821
10 0.619 0.587 0.630
如果你想要宽:
map_dfc(charvec,
function(wrd, vec_list) {
set_names(list(map_dbl(vec_list, ~max(jarowinkler(wrd, .x)))),
wrd)
},
mylist
)
# A tibble: 3 x 10
`brown dog` `lazy cat` `white dress` `I know that` `excuse me plea~ `tall person` `new building` `good example`
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 0.911 0.85 0.842 0.657 0.912 0.538 0.716 0.591
2 0.580 0.713 0.557 0.490 0.489 0.546 0.547 0.524
3 0.603 0.603 0.515 0.409 0.659 0.801 0.740 0.856
# ... with 2 more variables: `green with envy` <dbl>, `zebra crossing` <dbl>
关于r - 字符向量列表与字符向量的模糊字符串匹配,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51308266/