使用 Python 计算从一张纸到另一张纸的匹配百分比

Question

处理 Excel 文件，并通过使用 dataframe 匹配另一张表中的值来查找准确度百分比。 使用具有唯一值的一列匹配其他列值。

我尝试过使用模糊匹配/任何其他可能的方法，但没有奏效

输入数据：表 1：

identity_no  address            Pincode   company_name

 IN2231      Delhi, Indi        110030    AXN pvt Ltd
 UK654       London, Uk         897653    Aviva Intl Ltd
 SL1432      Colombo, Srilanka  07658     Ship Incorporations
 LK0678      Libya, Sns         5674332   Oppo Mobiles pvt ltd

主数据表 2

identity_no  address            Pincode   company_name

 IN2231      Delhi, India       110030    AXN pvt Ltd
 UK654       London, Uk         897653    Aviva Intl Ltd
 SL1432      Colombo, Srilanka  07658     Ship Incorporations

预期 Output：

identity_no  address            Pincode   company_name               match_percent
    
     IN2231      Delhi, Indi        110030    AXN pvt Ltd                
     UK654       London, Uk         897653    Aviva Intl Ltd
     SL1432      Colombo, Srilanka  07658     Ship Incorporations
     LK0678      Libya, Sns         5674332   Oppo Mobiles pvt ltd

到目前为止我尝试过的代码：

df = pd.read_excel(open(r'input.xlsx', 'rb'), sheet_name='sheet1')
df2 = pd.read_excel(open(r'master_data.xlsx', 'rb'), sheet_name='sheet2')

for index, row in df.iterrows():
    for index_config, val_new in df2.iterrows():
        if row['identity_no  '] == row_config['identity_no']:
           df[['identity_no','address', 'Pincode', 'company_name']][Index] = val_config[['identity_no','address', 'Pincode', 'company_name']]

这里将值从 sheet2 映射到 sheet1，但我也希望找出列匹配的准确度。

有什么建议么。

Answer 1

因此，如果我理解正确，您有一个 dataframe 和一些数据df ，您希望与模板df2中的索引进行匹配，并且对于每个匹配的索引，您需要计算相似元素的数量。

# For simplicity, let's define the index of the dataframes
df = df.set_index("identity_no")
df2 = df2.set_index("identity_no")

# You define a function that returns NaN when index does not exist and the accuracy score if it does (from 0 to 1)
def accuracy_score(row):
    if row not in df2.index:
        return float("nan")
    return sum(row[col] == df2.loc[row.name, col] for col in row.index) / len(row)

# You apply the function to your dataframe
df["accuracy"] = df.apply(accuracy_score, axis=1)