Python-根據Levenshtein距離，將最接近的字符串從列表A分配到列表B-（最好是使用熊貓）

Question

作為介紹，我是python的新手，我只知道如何主要使用pandas進行數據分析。

我目前有2個超過100個條目的列表，分別是“關鍵字”和“組” 。

我想生成一個輸出（最好是以pandas為單位的數據框），其中使用levenshtein距離方法為列表“關鍵字”的每個條目分配列表“組”的最接近條目。

謝謝您的支持！

Answer 1

from editdistance import eval as levenshtein
import pandas as pd

keywords = ["foo", "foe", "bar", "baz"]
groups = ["foo", "bar"]

assigned_groups = [min(groups, key=lambda g: levenshtein(g, k))
                   for k in keywords]

df = pd.DataFrame({"Keyword": keywords, "Group": assigned_groups})
#   Group Keyword
# 0   foo     foo
# 1   foo     foe
# 2   bar     bar
# 3   bar     baz

使用editdistance 。 通過pip install editdistance獲取它。

請注意，此算法為O(mn) ，其中m是關鍵字的長度， n是組的長度。