熊猫数据框中两列之间的模糊匹配

Question

我有一个包含两列名称的 Excel 文件。 我需要比较两列（并排）并在另一列中给出一个模糊分数。

知道怎么做吗？

Answer 1

您可以使用 fuzzywuzzy 模块计算同一行上两个项目之间的模糊分数，然后迭代这些行。 或者，如果您的数据集很长，这可能会被矢量化。 下面的链接让我上周开始使用模糊模糊： https ://marcobonzanini.com/2015/02/25/fuzzy-string-matching-in-python/

Answer 2

Python 解决方案：我已经使用并行处理在 Python 中实现了代码，这将比串行计算快得多。 此外，在模糊度量分数超过阈值的情况下，只有那些计算是并行执行的。 请参阅以下链接以获取代码：

https://github.com/ankitcoder123/Important-Python-Codes/blob/main/Faster%20Fuzzy%20Match%20between%20two%20columns/Fuzzy_match.py

版本兼容性：

pandas version :: 1.1.5 ,
fuzzywuzzy version :: 1.1.0 ,
joblib version :: 0.18.0

Fuzzywuzzy 度量解释： 链接文本

代码输出：