R语言基于相对百分比差值实现fuzzyjoin模糊表连接的方法咨询
你可以直接使用fuzzyjoin包自带的通用模糊连接接口实现需求,无需额外依赖其他包,写法比手动full_join()+filter()更简洁,也支持更多场景的匹配规则定义。
两种常用实现方案如下,均基于你提供的测试数据:
方案1:同时匹配id相等 + scores相对差值≤10%
对应你现有示例的匹配逻辑,直接通过fuzzy_full_join()定义多列匹配规则即可:
library(tidyverse) library(fuzzyjoin) df_1 <- tibble(id = c("wombat", "jerry", "akow"), scores = c(10, 50, 75)) df_2 <- tibble(id= c("wombat", "jerry", "akow"), scores = c(14, 45, 82)) fuzzy_full_join( df_1, df_2, by = c("id" = "id", "scores" = "scores"), match_fun = list( `==`, # id列要求完全相等 function(x, y) abs(x - y)/x <= 0.1 # scores列要求相对差值≤10% ) )
运行结果和你现有实现完全一致:
# A tibble: 2 × 3 id scores.x scores.y <chr> <dbl> <dbl> 1 jerry 50 45 2 akow 75 82
方案2:仅基于scores相对差值连接
和你原本用的difference_full_join()逻辑对齐,仅需自定义距离计算规则即可:
difference_full_join( df_1, df_2, by = "scores", max_dist = 0.1, # 对应10%的相对差值阈值 dist = function(x, y) abs(x - y)/x, # 自定义距离为相对百分比差值 distance_col = "rel_diff" )
如果需要调整相对差值的计算逻辑(比如用两数均值做分母),仅需修改dist参数的自定义函数即可。
内容的提问来源于stack exchange,提问作者Yonghao
相关产品推荐
相关产品推荐

