nomesbr
nomesbr é um pacote de R que limpa e simplifica nomes de pessoas para auxiliar no pareamento de banco de dados na ausência de chaves únicas não ambíguas. Detecta e corrige erros tipográficos mais comuns, simplifica opcionalmente termos sujeitos eventualmente a omissão em cadastros.
(R package for tidying and simplifying names. Created for aiding in dataset pairing in the absence of unambiguous keys. It detects and corrects common typos, optionally simplifies terms prone to omission in records.)
Instalação
O pacote está em processo de submissão ao CRAN. Quando aceito, a versão estável poderá ser instalada com:
install.packages("nomesbr")
A versão em desenvolvimento pode ser instalada com o seguinte comando :
# install.packages("remotes")
remotes::install_github("ipeadata-lab/nomesbr")
Utilização
O pacote nomesbr torna disponíveis funções para limpar e simplificar nomes. limpar_nomes()
e simplifica_PARTICULAS_AGNOMES_PATENTES()
, principais funções do pacote, foram criadas para seu uso em sequência nessa ordem.
limpar_nomes()
recebe como parâmetros d,um data.frame, e s, nome da coluna com os nomes a processar. A função cria uma nova coluna, com sufixo ’_clean’, e gera novas colunas com informações dos tipos de limpeza detectados como necessários e realizados.
simplifica_PARTICULAS_AGNOMES_PATENTES()
recebe também, d e s (por padrão para s, ‘nome_clean’) como parâmetros, e simplifica partículas repetidas, agnomes e alguma patentes.
A informação (novas colunas) gerada pela função limpar_nomes()
servem como base para a função tabular_problemas_em_nomes()
, que retorna uma tabela resumo dos problemas detectados e ações tomadas no sentido da limpeza de nomes.