[英]Pandas: How can I iterate a for loop over 2 different data-frames?
我正在尝试计算2个数据帧中多行的模糊比:
DF1:
id name
1 Ab Cd E
2 X.Y!Z
3 fgh I
DF2:
name_2
abcde
xyz
我想计算df1.name和df2.name_2中所有值之间的模糊比:
为此,我有代码:
for i in df1['name']:
for r in df2['name_2']:
print(fuzz.ratio(i,r))
但我希望最终结果也包含df1的ID。 理想的情况是这样的:
final_df:
id name name_2 score
1 Ab Cd E abcde 50
1 Ab Cd E xyz 0
2 X.Y!Z abcde 0
2 X.Y!Z xyz 60
3 fgh I abcde 0
3 fgh I xyz 0
谢谢您的帮助!
您可以这样解决您的问题:
创建一个空的DataFrame:
final = pandas.DataFrame({'id': [], 'name': [], 'name_2': [], 'score': []})
遍历两个DataFrame,插入ID,名称和得分,并将其串联到最终DataFrame上:
for id, name in zip(df1['id'], df1['name']):
for name2 in df2['name_2']:
tmp = pandas.DateFrame({'id': id, 'name': name, 'name_2': name2, 'score': fuzz.ratio(name, name2)})
final = pandas.concat([final, tmp], ignore_index=True)
print(final)
可能有一种更清洁,更有效的方法来执行此操作,但是我希望这会有所帮助。
我不完全了解pd.apply
中lambda函数的应用,但是经过一些SO搜索之后,我认为这是一个合理的解决方案。
import pandas as pd
from fuzzywuzzy import fuzz
d = [{'id': 1, 'name': 'Ab Cd e'}, {'id': 2, 'name': 'X.Y!Z'}, {'id': 3, 'name': 'fgh I'}]
df1 = pd.DataFrame(d)
df2 = pd.DataFrame({'name_2': ['abcde', 'xyz']})
这是熊猫的交集。 要求tmp df 大熊猫交叉连接没有共同点
df1['tmp'] = 1
df2['tmp'] = 1
df = pd.merge(df1, df2, on=['tmp'])
df = df.drop('tmp', axis=1)
您可以将.apply
函数fuzz.ratio
df
列。 熊猫:如何使用套用功能至多栏
df['fuzz_ratio'] = df.apply(lambda row: fuzz.ratio(row['name'], row['name_2']), axis = 1)
df
我还尝试在df1
上设置索引,但这导致将其从交叉联接的df中排除。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.