如何从string-distance矩阵提取最佳匹配并生成匹配对数据框？

我来帮你搞定这个从字符串距离矩阵里提取最佳匹配的问题～

首先，你已经用stringdistmatrix生成了距离矩阵，接下来只需要对矩阵做列操作，就能轻松得到你想要的匹配数据框。直接上完整的解决方案代码：

library(stringdist)
lookup <- c('Dog', 'Cat', 'Bear')
data <- c('Do g', 'Do gg', 'Caat')
d.matrix <- stringdistmatrix(a = lookup, b = data, useNames="strings",method="cosine")

# 1. 找到每个data元素对应的最小距离在lookup中的位置
match_positions <- apply(d.matrix, 2, which.min)
# 2. 根据位置获取对应的匹配项
matchwith <- lookup[match_positions]
# 3. 提取每个data元素的最小余弦距离
cosine.s <- apply(d.matrix, 2, min)

# 4. 组合成目标格式的数据框
result_df <- data.frame(
  data = data,
  matchwith = matchwith,
  cosine.s = cosine.s,
  stringsAsFactors = FALSE
)

print(result_df)

运行这段代码后，输出完全符合你的需求：

data matchwith   cosine.s
1  Do g       Dog 0.13387460
2 Do gg       Dog 0.12712842
3  Caat       Cat 0.05719096

关键步骤解释： #

• apply(d.matrix, 2, which.min)：这里的2表示对矩阵的每一列（对应data里的每个元素）操作，which.min会返回该列中最小值所在的行索引，这个索引正好对应lookup数组里的位置。
• lookup[match_positions]：用得到的索引从lookup里取出对应的匹配字符串，比如第一个data元素"Do g"对应的最小距离在第1行，所以取lookup[1]也就是"Dog"。
• apply(d.matrix, 2, min)：直接提取每一列的最小值，也就是每个data元素到最佳匹配的余弦距离值。
• 最后用data.frame()把三个向量组合起来，加上stringsAsFactors = FALSE是为了避免字符串被自动转成因子类型（R 4.0+默认已经是这个设置，但写上更保险）。

如果遇到某个data元素和多个lookup元素距离相同的情况，which.min只会返回第一个出现的匹配项。要是你需要保留所有可能的匹配，可以把which.min换成which(d.matrix[, col] == min(d.matrix[, col]))，再根据需求处理多匹配的场景。

内容的提问来源于stack exchange，提问作者Phurich.P