是否可以与python pandas进行模糊匹配合并？

一尘不染

是否可以与python pandas进行模糊匹配合并？

python

我有两个要基于列合并的DataFrame。但是，由于其他拼写方式，空格数量不同，不存在变音符，只要它们彼此相似，我希望能够合并。

任何相似性算法都可以使用（soundex，Levenshtein，difflib）。

假设一个DataFrame具有以下数据：

df1 = DataFrame([[1],[2],[3],[4],[5]], index=['one','two','three','four','five'], columns=['number'])

       number
one         1
two         2
three       3
four        4
five        5

df2 = DataFrame([['a'],['b'],['c'],['d'],['e']], index=['one','too','three','fours','five'], columns=['letter'])

      letter
one        a
too        b
three      c
fours      d
five       e

然后我想得到结果DataFrame

       number letter
one         1      a
two         2      b
three       3      c
four        4      d
five        5      e

阅读 1503

2020-02-15

共1个答案

一尘不染

类似@locojay建议，你可以申请difflib的get_close_matches到df2的指标，然后应用join：

In [23]: import difflib 

In [24]: difflib.get_close_matches
Out[24]: <function difflib.get_close_matches>

In [25]: df2.index = df2.index.map(lambda x: difflib.get_close_matches(x, df1.index)[0])

In [26]: df2
Out[26]: 
      letter
one        a
two        b
three      c
four       d
five       e

In [31]: df1.join(df2)
Out[31]: 
       number letter
one         1      a
two         2      b
three       3      c
four        4      d
five        5      e

如果这些是列，则可以按照相同的方式应用于该列，然后merge：

df1 = DataFrame([[1,'one'],[2,'two'],[3,'three'],[4,'four'],[5,'five']], columns=['number', 'name'])
df2 = DataFrame([['a','one'],['b','too'],['c','three'],['d','fours'],['e','five']], columns=['letter', 'name'])

df2['name'] = df2['name'].apply(lambda x: difflib.get_close_matches(x, df1['name'])[0])
df1.merge(df2)

2020-02-15