数据清理：模糊字符串匹配和聚类

Question

我有一个需要清理的杂乱条目数据集：我想将类似条目（例如 London、london、Lodn...）“聚集”在一个条目中（我是 Python 新手，不确定这是正确的词） . 换句话说，我希望它变成：

ID	城市
0	伦敦
1	伦敦
2	佛罗伦萨
3	洛登
4	伦敦

这个

ID	城市
0	伦敦
1	伦敦
2	佛罗伦萨
3	伦敦
4	伦敦

我缺少的不是获得最佳匹配的方法（我学习了最流行的逻辑），而恰恰是聚类阶段。

目前我遵循这种基于余弦相似度的方法https://towardsdatascience.com/fuzzy-matching-at-scale-84f2bfd0c536来找到最接近的匹配。 然而，由于排除了 100% 相似性分数以避免每个单词都成为其自身的最佳匹配，因此唯一字符串的数量不会减少到最小值（即使在具有 2 行的 dataframe 中，第一个的最佳匹配也将是第二个，反之亦然）这是我的目标。

最好的方法是什么？