执行字符串距离连接

在数据分析中，整合两个不同的数据源非常常见。只要有可能，您都应该使用可明确识别的值（例如电子邮箱地址）来连接两张表。但如果用户只输入了姓名，而您需要在用户数据库中查找该用户，该怎么办？难点在于：人们可能会缩写名或姓、出现拼写错误，或者干脆漏掉一部分。

工作空间中有两个数据框：user_input 和 database。前者包含不完美的用户输入，后者包含正确的姓名，但两份数据源都包含相同的 100 个姓名。使用字符串距离连接，您能匹配到多少个？顺便说一句：没有定义距离 method，因此会使用默认的最优字符串对齐距离 "osa"。

本练习是课程的一部分

R 中级正则表达式

查看课程

练习说明

将 user_input 与 database 按最大字符串距离 max_dist 进行连接，使成功匹配的姓名恰好为 80 个。请反复尝试，直到找到合适的最大距离。
使用新创建的表 joined 输出一条便于阅读的报告句子。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Join the data frames on a maximum string distance of 2
joined <- stringdist_join(
  user_input,
  database,
  by = c("user_input" = "name"),
  ___ = ___,
  distance_col = "distance",
  ignore_case = TRUE
)

# Print the number of rows of the newly created data frame
print(glue(
  "{n} out of 100 names were matched successfully",
  n = nrow(___)
))

编辑并运行代码