fusionar datos con coincidencia parcial en r
Tengo dos conjuntos de datos
datf1 <- data.frame (name = c("regular", "kklmin", "notSo", "Jijoh",
"Kish", "Lissp", "Kcn", "CCCa"),
number1 = c(1, 8, 9, 2, 18, 25, 33, 8))
#-----------
name number1
1 regular 1
2 kklmin 8
3 notSo 9
4 Jijoh 2
5 Kish 18
6 Lissp 25
7 Kcn 33
8 CCCa 8
datf2 <- data.frame (name = c("reGulr", "ntSo", "Jijoh", "sean", "LiSsp",
"KcN", "CaPN"),
number2 = c(2, 8, 12, 13, 20, 18, 13))
#-------------
name number2
1 reGulr 2
2 ntSo 8
3 Jijoh 12
4 sean 13
5 LiSsp 20
6 KcN 18
7 CaPN 13
Quiero fusionarlos por nombre de columna, sin embargo, se permite una coincidencia parcial (para evitar dificultar la combinación de errores ortográficos en un gran conjunto de datos e incluso detectar tales errores ortográficos) y, por ejemplo,
(1) Si hay cuatro letras consecutivas (todas si el número de letras es menor que 4) en cualquier posición: coincida con eso está bien
ABBCD = BBCDK = aBBCD = ramABBBCD = ABB
(2) La sensibilidad de la caja está desactivada en el partido, p. Ej.ABBCD = aBbCd
(3) El nuevo conjunto de datos tendrá ambos nombres (nombres de datf1 y datf2) conservados. Entonces, esa letra podemos detectar si la coincidencia es perfecta (puede ser una columna separada con cuántas letras coinciden)
¿Es tal fusión posible?
Ediciones:
datf1 <- data.frame (name = c("xxregular", "kklmin", "notSo", "Jijoh",
"Kish", "Lissp", "Kcn", "CCCa"),
number1 = c(1, 8, 9, 2, 18, 25, 33, 8))
datf2 <- data.frame (name = c("reGulr", "ntSo", "Jijoh", "sean",
"LiSsp", "KcN", "CaPN"),
number2 = c(2, 8, 12, 13, 20, 18, 13))
uglyMerge(datf1, datf2)
name1 name2 number1 number2 matches
1 xxregular <NA> 1 NA 0
2 kklmin <NA> 8 NA 0
3 notSo <NA> 9 NA 0
4 Jijoh Jijoh 2 12 5
5 Kish <NA> 18 NA 0
6 Lissp LiSsp 25 20 5
7 Kcn KcN 33 18 3
8 CCCa <NA> 8 NA 0
9 <NA> reGulr NA 2 0
10 <NA> ntSo NA 8 0
11 <NA> sean NA 13 0
12 <NA> CaPN NA 13 0