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.)
A versão estável do pacote pode 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")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.
nomesbr é desenvolvido por uma equipe de pesquisadores do Instituto de Pesquisa Econômica Aplicada (Ipea).