Python Fuzzywuzzy 与进程匹配并通过比较数据框添加信息答案

【问题标题】：Python Fuzzywuzzy matching with process and add info from comparing dataframePython Fuzzywuzzy 与进程匹配并通过比较数据框添加信息
【发布时间】：2022-01-10 16:40:48
【问题描述】：

我正在尝试使用fuzzywuzzy 与进程匹配来自两个数据框（在名称列中）的名称。结果应该是 df1(dfdum) 与 df2(dfpep) 中的最佳匹配名称和相似度得分。这与下面的代码配合得很好，但除了匹配的名称和分数之外，我还想在结果中将更多列从 df2 附加到 df1。 df2 中属于匹配名称的出生日期和居住国家也应添加到 df1。我不能简单地合并名称，因为有重复。

谁能帮我修改代码，以便我可以从 df2 的匹配名称中添加额外信息？因此，我想向 df1 添加两个额外的列，其中包含来自 df2 的匹配名称的相关信息。

pep_name = []
sim_name = []
for i in dfdum.NAME:
        ratio = process.extract(i, dfpep.NAME, limit=1,scorer=fuzz.token_set_ratio)
        pep_name.append(ratio[0][0])
        sim_name.append(ratio[0][1])
dfdum['pep_name'] = pd.Series(pep_name)
dfdum['sim_name'] = pd.Series(sim_name)

【问题讨论】：

标签： python string-matching fuzzywuzzy

【解决方案1】：

您可以在 dfpep.NAME 中找到最佳匹配的索引，并使用它来检索其他两列的对应值。

这段代码（带有一些模拟数据）应该会给你想要的结果；不过，它假定 dfpep.NAME 只有唯一值。

请注意，我远不是熊猫专家，所以这个解决方案绝不是最快或最优雅的，但它应该可以完成工作:)

另外，我觉得应该有一种方法可以在没有 for 循环的情况下做到这一点；也许这里有人对此有想法。

import pandas as pd
from fuzzywuzzy import process, fuzz

dfdum = pd.DataFrame(["Johnny", "Peter", "Ben"])
dfdum.columns = ["NAME"]

dfpep = pd.DataFrame(["Pete", "John", "Bennie"])
dfpep.columns = ["NAME"]

dfpep["dob"] = pd.Series(["1990", "1991", "1992"])
dfpep["cor"] = pd.Series(["USA", "UK", "Germany"])

pep_name = []
sim_name = []
dob = []
cor = []

for i in dfdum.NAME:
    ratio = process.extract(i, dfpep.NAME, limit=1, scorer=fuzz.token_set_ratio)
    pep_name.append(ratio[0][0])
    sim_name.append(ratio[0][1])

    j = dfpep.index[dfpep.NAME == ratio[0][0]].tolist()[0]

    dob.append(dfpep['dob'][j])
    cor.append(dfpep['cor'][j])

dfdum['pep_name'] = pd.Series(pep_name)
dfdum['sim_name'] = pd.Series(sim_name)
dfdum['dob'] = pd.Series(dob)
dfdum['cor'] = pd.Series(cor)

print(dfdum)

【讨论】：