查找两个数据帧之间的字符串匹配答案

【问题标题】：Find the string matching between two data frames查找两个数据帧之间的字符串匹配
【发布时间】：2019-03-16 11:41:21
【问题描述】：

我有一个如下的 DataFrame。

DF1：

   A
Any Match
Credit
I need a debit card.
Logging
Awesome

我有另一个 DataFrame 如下：

DF2：

          B
I did not find any match.
I want a credit card.
I need a debit card.
I do not know.
I am logging into credit portal.

我需要我的输出：

              B                           A
     I did not find any match.        Any Match
     I want a credit card.            Credit
     I need a debit card.             I need a debit card.
     I am logging into credit portal. logging,credit

如果 DF1 中出现的短语在 DF2 中出现的任何文本中，则在此处。将 o/p 打印为文本和重要短语。

【问题讨论】：

为什么它只返回Debit 而I need a debit card 同时出现在DF1 和DF2 中？
请解释您的尝试，并提供一个我们可以从哪里开始的最小示例。此外，如果 B 中的一个短语包含多个 A 中的短语，或者一个都不包含，以及如果 B 中的两个短语包含 A 中的相同短语怎么办。请详细说明您对您的具体要求输出。
@AkshayNevrekar..非常抱歉这是我的错误。我已经编辑了那个。
@jdehesa..如果它包含多个短语，它应该返回两个。如果 B 中的两个短语包含 A 中的相同短语，则两者都应返回相同的短语。

标签： python string pandas dataframe

【解决方案1】：

试试这个

df1['B'] = float('nan')

pos = 0
for i in range(len(df1)):
    for j in range(len(df2)):
        if df1['A'][i].lower() in df2['B'][j].lower():
            df1['B'].iloc[pos] = df2['B'][j]
            pos+=1
            break

df1.dropna(axis=0)

输出

                     A                          B
0            Any Match  I did not find any match.
1               Credit      I want a credit card.
2  I need a debit card       I need a debit card.

【讨论】：

【解决方案2】：

你可以做这样的事情。首先，定义一个匹配“规范化”文本的查找函数，例如小写：

def lookup(x, values):
    for value in values:
        if value.lower() in x.lower():
            return value

然后将此函数应用于您的 DF2：

dfB['A'] = dfB['B'].apply(lambda x: lookup(x, dfA['A']))

应该给你的：

    B                           A
0   I did not find any match.   Any Match
1   I want a credit card.       Credit
2   I need a debit card.        Debit
3   I do not know.              None

【讨论】：

【解决方案3】：

试试Fuzzywuzzy:

import pandas as pd
from fuzzywuzzy import fuzz

matched_entities = []

for row in df1.index:
    name1 = vendor_df.get_value(row,"A")
    for columns in df2.index:
        name2=df2.get_value(columns,"B")
        matched_token=fuzz.partial_ratio(name1,name2)
        if matched_token> 80:
            matched_vendors.append([A,B])

df_partial_ratio = pd.DataFrame(columns=['A', 'B'], data=matched_entities)

如果fuzz.partial_ratio 不起作用，请在您的数据库中尝试fuzz.ratio 或fuzz.token_sort_ratio。这两个可以通过将上面的一行代码更改为以下代码来实现：

matched_token=fuzz.ratio(name1,name2)

或

matched_token=fuzz.token_sort_ratio(name1,name2)

【讨论】：