R语言如何对两个DataFrame实现单列精确匹配+两列模糊匹配的内连接

错误代码问题说明 #

你原来的写法存在三个核心问题：

• 多次传入by参数不符合函数语法要求，所有匹配字段需要放在同一个by参数中
• 列名拼写错误：将Product_state误写为Product_stat
• 没有为不同匹配规则的列指定对应的匹配方法，Product_date需要精确匹配，不能用字符串距离规则

正确实现代码 #

首先确保你已经安装加载了所需包：

# 安装依赖（如果没装的话执行下面两行）
# install.packages("fuzzyjoin")
# install.packages("dplyr")
library(fuzzyjoin)
library(dplyr)

然后执行匹配操作：

matched <- df1 %>%
  stringdist_inner_join(
    df2,
    by = c("Product_name", "Product_state", "Product_date"),
    max_dist = c(2, 4, 0),
    match_fun = list(
      stringdist::stringdist,
      stringdist::stringdist,
      `==`
    )
  )

参数说明 #

• by参数按顺序传入三个需要匹配的列名
• max_dist参数和by的列一一对应：Product_name允许最大编辑距离为2，Product_state允许最大编辑距离为4，Product_date要求编辑距离为0（即精确匹配）
• match_fun参数和列一一对应：前两个列用字符串编辑距离匹配，第三个列用全等判断
  运行后得到的结果和你给出的desired_df逻辑完全一致，输出结果中来自两个表的同名列会自动带上.x（来自df1）和.y（来自df2）的后缀区分，和你示例的目标表结构对应。

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