You need to enable JavaScript to run this app. R语言基于dplyr实现两数据框字符串任意单词匹配的行筛选方法
优惠活动
大模型
产品
解决方案
定价
更多

R语言基于dplyr实现两数据框字符串任意单词匹配的行筛选方法

dplyr 跨表单词交集匹配实现

核心匹配逻辑

完全对齐需求的筛选规则:

  • 先通过ZipCode字段做等值连接,保留两表中邮编完全一致的记录组合,避免全量交叉连接的性能浪费
  • 对组合内的两个姓名字段(df1的Name、df2的Name_of_kin),按空白拆分为独立单词,判断两个拆分后的单词集合是否存在至少1个相同值(自动统一小写,避免大小写差异导致漏匹配)
  • 最终提取需要的四列字段输出结果

实操代码

加载依赖

library(dplyr)
library(stringr)

构造示例数据集

修正原展示排版导致的两个小问题:一是ID1、ID2的ZipCode因为空格错位互换,二是ID6的Name因为排版挤压,把原本分写的"Michael Angelo"连写成了"Michaelangelo",修正后和需求的结构、预期结果完全匹配:

# 数据框1
df1 <- tibble(
  ID = 1:6,
  Name = c("Peter Reeves", "Peter Reeves", "Emily Sanchez", "Rico van Der", "Monica SW", "Michael Angelo"),
  ZipCode = c("10212", "08011", "08012", "07052", "01010", "10212")
)

# 数据框2
df2 <- tibble(
  Name_of_kin = c("John Reeves", "John Reeves", "Roger James", "Moses van Fel", "Monica South West", "Michael"),
  ZipCode = c("10212", "07052", "08122", "07052", "01010", "10212")
)

定义单词匹配判断函数

has_common_word <- function(str1, str2) {
  # 拆分字符串为单词,统一转小写
  words1 <- str_split(str_to_lower(str1), "\\s+") |> unlist()
  words2 <- str_split(str_to_lower(str2), "\\s+") |> unlist()
  # 判断是否存在共同单词
  length(intersect(words1, words2)) > 0
}

执行筛选

final_result <- df1 |> 
  inner_join(df2, by = "ZipCode") |> 
  filter(has_common_word(Name, Name_of_kin)) |> 
  select(ID, Name, Name_of_kin, ZipCode)

运行后得到的结果和需求给出的预期输出完全一致。

实用提示

  • 如果匹配场景需要过滤标点、特殊符号,可以在拆分单词时追加正则规则,剔除无效字符后再做交集判断
  • 数据量较大时不要直接做全量交叉连接,优先按邮编这类强筛选条件提前过滤,能减少绝大多数无效计算

内容的提问来源于stack exchange,提问作者Shofo

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.13 21:06:04