我想fuzzyjoin-包会满足你的愿望。

df1 <- data.frame( name = c("James", "Benjamin", "Bert"), id = 1:3 )
df2 <- data.frame( name = c("Banjamin", "David", "Jemes"), id = 4:6 )

library( fuzzyjoin )
stringdist_join( df1, df2, by = "name")

#     name.x id.x   name.y id.y
# 1    James    1    Jemes    6
# 2 Benjamin    2 Banjamin    4

完全的自我提升，但是我已经写了一个R包zoomerjoin，它使用MinHash，允许你模糊地连接大型数据集，而不必比较两个 Dataframe 之间的所有行对，这意味着你可以在现代数据科学笔记本电脑上在几秒钟或几分钟内合并中等大小（数百万行）的 Dataframe ，而不会耗尽内存。
您给予的示例仍然运行缓慢，因为需要检查大量“正确”匹配（df_1中的每一行都将与df_2中的数千行匹配），但在大多数用例中，该包将允许您模糊地匹配数百万行的 Dataframe 。
下面是我将如何使用该包来连接您提供的示例 Dataframe 的两个较小版本：

library(tidyverse)
library(fuzzyjoin)

# Must have the Rust compiler installed to install this package
# see https://github.com/beniaminogreen/zoomerjoin for more details 
devtools::install_github("beniaminogreen/zoomerjoin")
library(zoomerjoin)

n <- 500
id_1 <- 1:n
names_1 <- sample(c("hannah", "marcus", "fred", "joe", "lara"), n, replace = TRUE, prob = c(0.2, 0.2, 0.2, 0.2, 0.2))
df_1 <- data.frame(id_1, names_1)
df_1$numberFound <- NA

id_2 <- 1:n
names_2 <- sample(c("hannah", "markus", "paul", "mary", "olivia"), n, replace = TRUE, prob = c(0.2, 0.2, 0.2, 0.2, 0.2))
anyNumber <- sample(c(123, 234, 345, 456, 567), n, replace = TRUE, prob = c(0.2, 0.2, 0.2, 0.2, 0.2))
df_2 <- data.frame(id_2, names_2, anyNumber)

joined_df_s <- lsh_inner_join(df_1, df_2, by=c("names_1" = "names_2"), n_gram_width = 1, threshold = .5)

这个包还在开发中（尽管它的输出已经过fuzzyjoin的准确性测试），所以如果文档中有不清楚的地方，或者你发现了任何bug，请不要犹豫，在github上提交一个问题。