代码之家 › 专栏 › 技术社区 › EEPBAH

数据框中带列的模糊匹配列表

fuzzywuzzy match pandas string python

0

EEPBAH · 技术社区 · 7 年前

我有一个试图与列中的值匹配的字符串列表。如果它是低匹配(低于95),我想返回当前列值,如果它高于95,那么我想从列表中返回最佳模糊匹配。我试图将所有返回的值放入一个新列中。我不断得到错误“元组索引超出范围”,我想这可能是因为它想返回一个带有分数和名称的元组,但我只想要名称。这是我当前的代码:

   from fuzzywuzzy import process
   from fuzzywuzzy import fuzz


   L = [ducks, frogs, doggies]

   df

   FOO    PETS
    a     duckz
    b     frags
    c     doggies

    def fuzz_m(column, pet_list, score_t):
        for c in column:
            new_name, score = process.extractOne(c, pet_list, score_t)
            if score<95:
                return c
            else:
                return new_name

    df['NEW_PETS'] = fuzz_m(df,L, fuzz.ratio)

所需输出:

    FOO    PETS      NEW_PETS
    a     duckz       ducks
    b     frags       frogs
    c     doggies     doggies

1 回复 | 直到 7 年前

1

Peter Leimbigler 7 年前

几处更正。

改变

df['NEW\u PETS']=fuzz\u m(df,L,fuzz.ratio)

到

df['NEW_PETS'] = fuzz_m(df['PETS'], L, fuzz.ratio)

将列表元素设置为字符串。
模糊模糊的 extractOne 方法按顺序接受处理器和记分器( link to source code .). 您的位置参数 fuzz.ratio 被错误地理解为处理器,而实际上它是一个记分员。改变 process.extractOne(c, pet_list, score_t) 到 process.extractOne(c, pet_list, scorer=score_t) .
此基于循环的代码将无法按预期工作。 fuzz_m 只调用一次,其返回值将广播到序列的所有条目中 df['NEW_PETS'] .

更友好的方式:

L = ['ducks', 'frogs', 'doggies']

def fuzz_m(col, pet_list, score_t):
    new_name, score = process.extractOne(col, pet_list, scorer=score_t)
    if score<95:
        return col
    else:
        return new_name

df['NEW_PETS'] = df['PETS'].apply(fuzz_m, pet_list=L, score_t=fuzz.ratio)