mesclar dados com correspondência parcial em r
Tenho dois conjuntos de dados
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
Eu quero mesclá-los pela coluna de nome, no entanto com a correspondência parcial é permitida (para evitar dificultar a fusão de erros de ortografia no grande conjunto de dados e até mesmo para detectar tais erros de ortografia) e, por exemplo
(1) Se consecutivas quatro letras (todas, se o número de letras for menor que 4) em qualquer posição - coincidir com isso é bom
ABBCD = BBCDK = aBBCD = ramABBBCD = ABB
(2) A diferenciação entre maiúsculas e minúsculas está desativada na correspondência, por exemploABBCD = aBbCd
(3) O novo conjunto de dados terá os dois nomes (nomes de datf1 e datf2) preservados. Então, essa carta, podemos detectar se a correspondência é perfeita (pode uma coluna separada com quantas letras correspondem)
Essa fusão é possível?
Edições:
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