使用fastLink包循环处理拆分后的数据框时遇到的问题

嗨，我看了你遇到的问题啦！你的循环代码跑不起来，核心原因其实很简单：你用paste0生成的是对象名的字符串（比如"pruebaA_df1"），但prueba()函数需要的是实实在在的data.frame对象，不是一串文字。直接把字符串传进去，fastLink自然会报错啦。

下面给你两种解决思路，我更推荐第二种，因为它更符合R的编程习惯，还不会乱你的全局环境～

方法1：给循环加个get()，把字符串转成对象 #

如果你还是想保留把拆分后的数据放到全局环境的做法，可以在循环里用get()函数，把字符串形式的对象名转换成实际的data.frame：

unique(df1$col1)->nom2b
indices<- list()
uniones<- list()

for (i in nom2b){
 # 用get()把对象名字符串转成真实的data.frame
 d1<- get(paste0(i,"_df1"))
 d2<- get(paste0(i,"_df2"))
 
 prueba(d1,d2)
 indices[[paste0("modelo",i)]]<-indi
 uniones[[paste0("uniones",i)]]<- dfA.match
}

不过这种方式有点依赖全局环境，时间长了容易搞混变量，不太推荐长期用哦。

方法2：用列表管理拆分数据（强推！） #

更好的做法是别把拆分后的data.frame扔到全局环境，直接用列表存起来，循环起来更顺手，还不会污染你的命名空间：

第一步：拆分数据到列表（代替list2env） #

# 把df1按col1拆分，存到列表df_list1里
df_list1 <- split(df1, df1$col1)
# 给列表里的元素改个名，加上_df1后缀
names(df_list1) <- paste0(names(df_list1), "_df1")

# 同理处理df2
df_list2 <- split(df2, df2$col1)
names(df_list2) <- paste0(names(df_list2), "_df2")

第二步：改造你的prueba函数（去掉全局赋值） #

原函数里用<<-给全局变量赋值，批量处理时很容易出问题。不如让函数直接返回匹配结果，这样更稳妥：

library(fastLink)
prueba <- function(d1, d2) {
 out <- fastLink(
 dfA = d1,
 dfB = d2,
 varnames = c("col1","col2"),
 partial.match = c("col2"),
 stringdist.match = c("col2")
 )
 # 把需要的结果打包成列表返回
 list(
  match_indices = out$matches,
  matched_dfA = d1[out$matches$inds.a,]
 )
}

第三步：循环处理列表里的数据 #

unique(df1$col1)->nom2b
indices<- list()
uniones<- list()

for (i in nom2b){
 # 从列表里取出对应分组的data.frame
 d1 <- df_list1[[paste0(i,"_df1")]]
 d2 <- df_list2[[paste0(i,"_df2")]]
 
 # 调用函数拿到匹配结果
 result <- prueba(d1, d2)
 
 # 把结果存到对应的列表里
 indices[[paste0("modelo",i)]] <- result$match_indices
 uniones[[paste0("uniones",i)]] <- result$matched_dfA
}

这样跑完循环后，indices和uniones列表里就整整齐齐地存着每个分组的匹配索引和匹配后的dfA数据啦！

小提醒 #

• 尽量少用<<-全局赋值，它会偷偷改全局环境的变量，批量处理时很容易让变量乱掉。
• 用列表管理批量数据是R里的好习惯，整洁又好维护～

内容的提问来源于stack exchange，提问作者DudaR