如何根據部分字符串匹配將兩個數據框連接起來？

Question

我有兩個數據框，希望基於三個字段A ， B和C來加入它們。 但是， A和B是數值，我希望它們在聯接/合並中完全匹配，但是C是字符串值，並且我希望至少80％匹配（相似性），即，如果A和B在兩個數據幀中都具有相同的值而第一個數據幀中C的值是abcde ，第二個數據幀中的C的值是abcdf我仍然想在結果中考慮該記錄。 如何在python中實現呢？

Answer 1

您可以使用fuzzywuzzy

from fuzzywuzzy import fuzz

df1=pd.DataFrame({'A':[1,3,2],'B':[2,2,3],'C':['aad','aac','aad']})

df2=pd.DataFrame({'A':[1,2,2],'B':[2,2,3],'C':['aad','aab','acd']})

mergedf1=df1.merge(df2,on=['A','B'])

mergedf1['ratio']=[fuzz.ratio(x,y) for x, y in zip(mergedf1['C_x'],mergedf1['C_y'])]
mergedf1#score list here , you can cut the data frame by your own limit 
Out[265]: 
   A  B  C_x  C_y  ratio
0  1  2  aad  aad    100
1  2  3  aad  acd     67

Answer 2

我可能首先只在A和B上合並，然后過濾掉C列上具有低相似性的任何行，所以類似：

result = df1.merge(df2, on=['A', 'B'])

# assuming sim is the similarity function that you created to calculate the similarity
idx = result.apply(lambda x: sim(c['C_x', 'C_y']) >= 0.8, axis=1)
result = result[idx]

希望能幫助到你！