我正在学习 R 并尝试比较 MLB 球员的薪水与 WAR
一个数据集包含所有工资，另一个包含 WAR 信息，它们的变量标记不同。例如，一组中的每个团队名称都是一个缩写（ATL、NYY、HOU vs. Braves、Yankees、Astros）。有了这个例子，我确信我可以找到一种方法来制作 ATL == Braves，但对于所有玩家来说，这似乎并不那么容易。
球员在一个数据集中被标记为姓氏的前 5 个字母，名字的前两个字母，然后是两个数字来区分比赛。另一组只有名字。一个例子是 Bryce Harper vs. harpebr03。
没有明显的方法可以按字母顺序进行排序，并且匹配每个玩家的变量 ID 会花费太多时间。有没有更简单的方法可以在 R 中链接这些不同命名的变量？
这是一些处理您关于匹配名称的问题的第二部分的代码。（顺便说一句，包括样本数据总是有帮助的）
require(dplyr) ## for join
# create two example dataframes
d1 <- data.frame(player_first_last=c("Joe Smith", "Jack Johnson", "A Jones", "Slow Mo"), d1_value=c(1,2,3,4))
d2 <- data.frame(player_last_first2=c("SmithJo","JohnsJa", "MoSl"), d2_value=c(11,12,13))
# first two letters of first name using substr, and trimming whitespace
d1$player_first2 <- trimws(substr(d1$player_first, 1, 2 ))
# last name - regex capturing everything after the first whitespace
# this is a "regular expressions"
d1$player_last <- gsub(".+\\s(.+)", "\\1", d1$player_first_last)
# concatenate last 5 and first 2 using paste0
d1$player_last_first2 <- paste0(substr(d1$player_last,1,5), d1$player_first2)
# join on constructed name -- full_join in case there are differences
d3 <- full_join(d1, d2, by="player_last_first2")
结果在 d3
player_first_last d1_value player_first2 player_last player_last_first2 d2_value
1 Joe Smith 1 Jo Smith SmithJo 1
2 Jack Johnson 2 Ja Johnson JohnsJa 2
3 A Jones 3 A Jones JonesA NA
4 Slow Mo 4 Sl Mo MoSl 3