bootstrap响应网站模板/企业网站建设费用

使用R，我正在尝试匹配按年份和城市构建的数据集中的人名。由于一些拼写错误，无法进行精确匹配，因此我尝试使用agrep()来模糊匹配名称。

数据集的样本块结构如下：

df

整洁的版本：

citycode year candidate

1 1200013 1996 AGUSTINHO FORTUNATO FILHO

2 1200013 1996 ANTONIO PEREIRA NETO

3 1200013 1996 FERNANDO JOSE DA COSTA

4 1200013 1996 PAULO CEZAR FERREIRA DE ARAUJO

5 1200013 2000 PAULO CESAR FERREIRA DE ARAUJO

6 1200013 2000 SEBASTIAO BOCALOM RODRIGUES

7 1200013 2004 JOAO DE ALMEIDA

8 1200013 2004 PAULO CESAR FERREIRA DE ARAUJO

我想分别检查每个城市，是否有候选人出现在几年内。例如。在示例中，

PAULO CEZAR FERREIRA DE ARAUJO

PAULO CESAR FERREIRA DE ARAUJO

出现两次(拼写错误)。应为整个数据集中的每个候选者分配唯一的数字候选ID。数据集相当大(5500个城市，大约100K条目)，因此稍微有效的编码会有所帮助。有关如何实现这一点的任何建议吗？

编辑：这是我的尝试(在迄今为止的评论的帮助下)，在实现手头的任务时非常缓慢(效率低下)。有关改进的建议吗？

f

levels(x)

x

}

temp

df$candidatenew

df$spellerror

编辑2：现在以良好的速度运行。问题在于每一步都与许多因素进行比较(感谢你指出这一点，Blue Magister)。将比较减少到只有一组中的候选者(即一个城市)，在5秒内运行命令，持续80,000行 - 这是我可以忍受的速度。

df$candidate

f

matches

levels(x)

as.character(x)

}

temp

df$candidatenew

df$spellerror