如何基于grepl匹配条件连接两个R dataframe，解决fuzzy_join使用报错

报错原因 #

• 你给match_fun传的是字符串格式的运算符/函数名，fuzzy_join要求传入实际的函数对象，不能加引号
• grepl的默认参数顺序是grepl(匹配模式, 被搜索文本)，直接传grepl的话参数顺序是反的：第二个匹配规则对应df1$fullnames（第一个入参）、df2$lastnames（第二个入参），我们要判断的是lastnames是否包含在fullnames里，需要调整参数顺序。

正确实现代码 #

先确保你已经安装加载了fuzzyjoin包：

# 安装包（首次使用执行）
install.packages("fuzzyjoin")
# 加载包
library(fuzzyjoin)

# 正确的左连接代码
joined_dfs <- fuzzy_join(
  df1, df2,
  by = c("ages" = "ages", "fullnames" = "lastnames"),
  match_fun = list(`==`, function(x, y) grepl(y, x)),
  mode = "left"
)

# 可选：整理输出字段，只保留需要的列
joined_dfs <- joined_dfs[, c("fullnames", "ages.x", "lastnames", "homestate")]
colnames(joined_dfs)[2] <- "ages"

输出结果预览 #

运行后得到的结果完全符合需求：

fullnames ages lastnames homestate
1       Jane Doe   30       Doe        NJ
2 Mr. John Smith   51     Smith        MA
3 Nate Cox, Esq.   45       Cox        CT
4   Bill Lee III   38       Lee        NY
5 Ms. Kate Smith   20     Smith        MA

内容的提问来源于stack exchange，提问作者Jess CT