使用stringdist_join关联时如何保证by列前8位UAI部分完美匹配

你可以通过fuzzyjoin包的match_fun参数自定义匹配规则，实现「前8位UAI完全匹配+后续内容字符串距离匹配」的关联逻辑，有两种常用实现方式：

方式1：先提取独立UAI字段（更易排查，推荐） #

第一步先给两个表单独提取前8位作为UAI字段：

library(dplyr)
# 提取左表UAI
Ech_final_nom <- Ech_final_nom %>%
  mutate(UAI = substr(UAInomprenom, 1, 8))
# 提取右表UAI
BSA_affect_nom <- BSA_affect_nom %>%
  mutate(UAI = substr(UAInomprenom, 1, 8))

第二步调整join参数，指定两个关联字段的匹配规则：

library(fuzzyjoin)

stringdist_join(
  Ech_final_nom, 
  BSA_affect_nom, 
  # 关联顺序：先匹配UAI，再匹配完整UAInomprenom
  by = c("UAI", "UAInomprenom"),
  mode = "left",
  ignore_case = FALSE, 
  method = "jw", 
  max_dist = 0.1117, 
  distance_col = "dist",
  # 匹配规则和by字段顺序一一对应：UAI完全相等，完整字段走距离匹配
  match_fun = list(`==`, stringdist::stringdist)
)

方式2：无需新增字段，直接在匹配函数中做截取判断 #

如果不想修改原始表，可以直接自定义匹配函数实现规则：

library(fuzzyjoin)

stringdist_join(
  Ech_final_nom, 
  BSA_affect_nom, 
  by = "UAInomprenom",
  mode = "left",
  ignore_case = FALSE, 
  method = "jw", 
  max_dist = 0.1117, 
  distance_col = "dist",
  match_fun = list(function(x, y) {
    # 先校验前8位完全相等，再判断字符串距离是否符合阈值
    substr(x, 1, 8) == substr(y, 1, 8) & stringdist::stringdist(x, y, method = "jw") <= 0.1117
  })
)

内容的提问来源于stack exchange，提问作者David Potrel