python教程—是否有可能与python熊猫进行模糊匹配合并?-Python实用宝典

python教程—是否有可能与python熊猫进行模糊匹配合并?

我有两个数据框,我想基于一个列合并它们。然而,由于交替拼写、不同的空格数、缺少/存在变音符号,我希望能够合并,只要它们彼此相似。

我有两个数据框,我想基于一个列合并它们。然而,由于交替拼写、不同的空格数、缺少/存在变音符号,我希望能够合并,只要它们彼此相似。

任何相似算法都可以(soundex, Levenshtein, difflib)。

假设一个DataFrame有以下数据:

    df1 = DataFrame([[1],[2],[3],[4],[5]], index=['one','two','three','four','five'], columns=['number']) number one 1 two 2 three 3 four 4 five 5 df2 = DataFrame([['a'],['b'],['c'],['d'],['e']], index=['one','too','three','fours','five'], columns=['letter']) letter one a too b three c fours d five e

然后我想要得到结果数据aframe

    number letter one 1 a two 2 b three 3 c four 4 d five 5 e

回答

类似@locojay建议,您可以应用< a href = " http://docs.python.org/2/library/difflib.html " rel = " noreferrer " > difflib < / > ' s < a href = " http://docs.python.org/2/library/difflib.html # difflib.get_close_matches”rel = " noreferrer " > get_close_matches < / > df2指数,然后应用一个< a href = " http://pandas.pydata.org/pandas-docs/dev/merging.html # joining-on-index”rel = " noreferrer " >和< / >:

    In [23]: import difflib In [24]: difflib.get_close_matches Out[24]: <function difflib.get_close_matches> In [25]: df2.index = df2.index.map(lambda x: difflib.get_close_matches(x, df1.index)[0]) In [26]: df2 Out[26]: letter one a two b three c four d five e In [31]: df1.join(df2) Out[31]: number letter one 1 a two 2 b three 3 c four 4 d five 5 e

如果这些是列,那么您可以使用相同的方式应用于列,然后merge:

    df1 = DataFrame([[1,'one'],[2,'two'],[3,'three'],[4,'four'],[5,'five']], columns=['number', 'name']) df2 = DataFrame([['a','one'],['b','too'],['c','three'],['d','fours'],['e','five']], columns=['letter', 'name']) df2['name'] = df2['name'].apply(lambda x: difflib.get_close_matches(x, df1['name'])[0]) df1.merge(df2)

​Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号:Python实用宝典

本文由 Python实用宝典 作者:Python实用宝典 发表,其版权均为 Python实用宝典 所有,文章内容系作者个人观点,不代表 Python实用宝典 对观点赞同或支持。如需转载,请注明文章来源。
3

发表评论