熊猫:我如何在两个不同的数据帧上迭代for循环?

你可以这样解决你的问题:

final = pandas.DataFrame({'id': [], 'name': [], 'name_2': [], 'score': []})

迭代两个数据帧,插入id、名称和分数,并将其连接到最终数据帧:

for id, name in zip(df1['id'], df1['name']):
    for name2 in df2['name_2']:
        tmp = pandas.DateFrame({'id': id, 'name': name, 'name_2': name2, 'score': fuzz.ratio(name, name2)})
    final = pandas.concat([final, tmp], ignore_index=True)

print(final)

我不完全理解lambda函数在中的应用 pd.apply ,但经过一些探索,我认为这是一个合理的解决方案。

import pandas as pd
from fuzzywuzzy import fuzz

d = [{'id': 1, 'name': 'Ab Cd e'}, {'id': 2, 'name': 'X.Y!Z'}, {'id': 3, 'name': 'fgh I'}] 
df1 = pd.DataFrame(d)
df2 = pd.DataFrame({'name_2': ['abcde', 'xyz']})

这是熊猫的交叉连接;需要tmp df pandas cross join no columns in common

df1['tmp'] = 1
df2['tmp'] = 1

df = pd.merge(df1, df2, on=['tmp'])
df = df.drop('tmp', axis=1)

你可以 .apply 函数 fuzz.ratio 到中的列 df . Pandas: How to use apply function to multiple columns

df['fuzz_ratio'] = df.apply(lambda row: fuzz.ratio(row['name'], row['name_2']), axis = 1)

df

我还尝试在上设置索引 df1 ,但这导致其被排除在交叉连接的df之外。