在pandas數據框列中查找子字符串列表的所有變體

Question

我有一個電影名稱字符串列表，我想在pandas數據movie_name列description進行搜索，如果在用戶輸入的描述中找到了新列movie_name則可以創建一個新列。

現在，由於描述不是標准化的，我如何搜索特定名稱的所有可能變體。 例如。 電影名稱之一是HARRY POTTER 4 。 現在，我需要搜索所有可能的輸入，例如HARRYPOTTER 4 ， HARRY POTTER4 ， HARRYPOTTER4等。在某些情況下，用戶可能沒有在4之后留空格並鍵入其他內容。 HARRY POTTER 4is a good movie 。

我需要從描述中提取列表中給定的電影名稱，並添加一個僅movie_name的新列。 除了使用.contains和.extract在列表中添加所有可能的變體，然后再使用.map或.replace將所有這些變體映射到1個最終電影名稱之外，還有其他方法嗎？

Answer 1

我建議您看一下FuzzyWuzzy庫。

這是一篇易於理解的文章： https : //www.geeksforgeeks.org/fuzzywuzzy-python-library/