模糊CSV列匹配

Question

我现在正在解析许多.csv文件，并且遇到了一个问题，其中一个.csv会标识一列，该列包含标题为candidate_name名称的要竞选办公室的候选人的姓名，而另一列将使用CANDIDATE_FULL_NAME 。

除了不断更改每个不同标头的row [value]之外，我正在用像这样的列结果更新字典。

dict.update({
    'candidate': row['column_header']

有办法模糊匹配吗？ 最好可以使用几乎可以直接使用的东西，这样我就不必设置用于正则表达式测试每一列的相似性的类/方法。

我已经建立了一个类来测试将一个值与一个值列表匹配，但是我觉得这是我不需要自己写的东西。 不幸的是，我的google-fu没有返回任何信息。

我会使用列号，但是不幸的是，列并不总是按相同的顺序排列。 此外，我无法更改原始.csv文件（否则，我一定会对其进行规范化）。

Answer 1

据我所知，没有内置到pandas “模糊”匹配。 如果存在一些共同的分母，例如单词“ name”仅在包含候选人姓名的列中始终存在，则可以使用它来重命名name列。 例如：

import pandas as pd
import numpy as np

def fuzzymatch(df, string, stname):

    for col in df.columns:
        if col.lower().find(string) > -1:
            df.rename(columns={col:stname}, inplace=True)
            break

    return df

df = pd.DataFrame({"CANDIDATE_NAME_HERE": ["Ted","Fred","Sally","John","Jane"], "B": [20, 30, 10, 40, 50], "C": [32, 234, 23, 23, 42523]})
#pd.read_csv('filename.csv') will load your csv file

string = 'name'
stname = 'candidate_name'

df = fuzzymatch(df, string, stname)
print(df)

    B      C candidate_name
0  20     32            Ted
1  30    234           Fred
2  10     23          Sally
3  40     23           John
4  50  42523           Jane