我正在尝试匹配R中的两个数据集：datasetA和datasetB。这些数据集包含以下列。
数据集A
- 编号： 15
- 姓名：彼得·桑德斯
- First_Name：彼得·
- Last_Name：桑德斯
- ORG_NAME：咖啡和蛋糕
- 城市： 纽约
- 金额(美元)： 10369
- 类别： 食品和饮料
- 日期： 12/01/2014
数据集 B 具有类似的列：
- ORG_ID：5241
- 姓名：彼得·桑德
- 名字：彼得
- 姓氏：桑德
- company_name：咖啡和蛋糕
- 地点： 纽约
- 资助： 10000
- sub_cat：餐厅
- start_date： 2013-01-09 16：42：56
- end_date： 2015-01-04 11：43：39
唯一完全匹配的是名字"彼得"。但是我的数据集包含许多公司，因此我的数据集中会有很多不是同一个人的"彼得"。因此，我想匹配多列中的相似性。
我想根据所有列中的信息匹配这两个数据集。我想我需要Levenshtein Similarity并为此进行比较.linkage，但是我没有成功。
有谁知道我怎么能匹配这个？任何帮助将不胜感激。
由于数据不可用，我能给出的输入也不多，但这应该可以让您入门。
我根据您的问题创建了小数据集。
df <- data.frame(name="Peter Sanders", firstname="peter", lastname = "sanders",
org= "coffee&cake")
df1 <- data.frame(name="Peter Sandesadasdasdasr", firstname="peter", lastname = "sander",
cname= "coffee and cake")
我使用R的内置dist()函数使用manhattan距离查找相似性
dist(cbind(unlist(df1), unlist(df)), "manhattan")
结果
name firstname lastname
firstname 2
lastname 4 2
cname 6 4 2