模糊CSV列匹配

Question

我現在正在解析許多.csv文件，並且遇到了一個問題，其中一個.csv會標識一列，該列包含標題為candidate_name名稱的要競選辦公室的候選人的姓名，而另一列將使用CANDIDATE_FULL_NAME 。

除了不斷更改每個不同標頭的row [value]之外，我正在用像這樣的列結果更新字典。

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

有辦法模糊匹配嗎？ 最好可以使用幾乎可以直接使用的東西，這樣我就不必設置用於正則表達式測試每一列的相似性的類/方法。

我已經建立了一個類來測試將一個值與一個值列表匹配，但是我覺得這是我不需要自己寫的東西。 不幸的是，我的google-fu沒有返回任何信息。

我會使用列號，但是不幸的是，列並不總是按相同的順序排列。 此外，我無法更改原始.csv文件（否則，我一定會對其進行規范化）。

Answer 1

據我所知，沒有內置到pandas “模糊”匹配。 如果存在一些共同的分母，例如單詞“ name”僅在包含候選人姓名的列中始終存在，則可以使用它來重命名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