查看列表中的哪个向量包含在另一个列表的向量中（查找人名匹配）

Question

我有一个人名向量列表，每个向量只有名字和姓氏，我有另一个向量列表，每个向量有名字的第一个，中间的，姓氏。我需要匹配这两个列表，以找到包含在这两个列表中的人。因为名称不是按顺序排列的（有些向量以名字作为第一个值，而有些向量以姓氏作为第一个值），所以我想通过查找第二个列表中的哪个向量（全名）包含第一个列表中某个向量的所有值（只有名字和姓氏）来匹配这两个向量。

到目前为止我所做的：

#reproducible example
first_last_names_list <- list(c("boy", "boy"),
                       c("bob", "orengo"),
                       c("kalonzo", "musyoka"),
                       c("anami", "lisamula"))

full_names_list <- list(c("boy", "juma", "boy"), 
                        c("stephen", "kalonzo", "musyoka"),
                        c("james", "bob", "orengo"),
                        c("lisamula", "silverse", "anami"))

首先，我尝试创建一个函数来检查一个向量是否包含在另一个向量中（主要基于这里的代码）。

my_contain <- function(values,x){
    tx <- table(x)
    tv <- table(values)
    z <- tv[names(tx)] - tx
    if(all(z >= 0 & !is.na(z))){
       paste(x, collapse = " ")
       }
    }

#value would be the longer vector (from full_name_list) 
#and x would be the shorter vector(from first_last_name_list)

然后，我试图将这个函数放入sapply（）中，这样我就可以处理列表了，这就是我陷入困境的地方。我可以让它看看一个向量是否包含在一个向量列表中，但我不知道如何检查一个列表中的所有向量，看看它是否包含在第二个列表中的任何一个向量中。

#testing with the first vector from first_last_names_list. 
#Need to make it run through all the vectors from first_last_names_list.

sapply(1:length(full_names_list),
   function(i) any(my_contain(full_names_list[[i]], 
                              first_last_names_list[[1]]) == 
                              paste(first_last_names_list[[1]], collapse = " ")))

#[1]  TRUE FALSE FALSE FALSE

最后--尽管在一个问题中可能问得太多了--如果有人能给我一些关于如何结合grep（）进行模糊匹配以解释名字中的错别字的建议，那就太好了！如果不是，那也没关系，因为我想要得到至少匹配部分的权利首先。

Answer 1

由于您正在处理列表,最好将它们折叠为向量,以便于处理正则表达式。但你只需按升序排列。在这种情况下,您可以很容易地匹配它们：

lst=sapply(first_last_names_list,function(x)paste0(sort(x),collapse=" "))
 lst1=gsub("\\s|$",".*",lst)
 lst2=sapply(full_names_list,function(x)paste(sort(x),collapse=" "))
 (lst3 = Vectorize(grep)(lst1,list(lst2),value=T,ignore.case=T))
               boy.*boy.*             bob.*orengo.*        kalonzo.*musyoka.*         anami.*lisamula.* 
           "boy boy juma"        "bob james orengo" "kalonzo musyoka stephen" "anami lisamula silverse" 

现在，如果要链接first_name_last_name_list和full_name_list，那么：

setNames(full_names_list[ match(lst3,lst2)],sapply(first_last_names_list[grep(paste0(names(lst3),collapse = "|"),lst1)],paste,collapse=" "))
$`boy boy`
[1] "boy"  "juma" "boy" 

$`bob orengo`
[1] "james"  "bob"    "orengo"

$`kalonzo musyoka`
[1] "stephen" "kalonzo" "musyoka"

$`anami lisamula`
[1] "lisamula" "silverse" "anami"   

其中名称来自first_last_list，元素来自full_name_list。如果你能处理字符向量而不是列表，那就太好了：