Question

我在Python 3中使用FuzzyWuzzy库时遇到错误。我正在使用Pandas库处理CSV文件。

我的CSV文件中包含以下数据：

> BBL          CorporationName               CorporationName2
  1            123 Elm St LLC                123 Elm St LLC    
  2            ABC Realty, INC               ABC Realty, INC     
  3            123 Elm Street, LLC           123 Elm Street, LLC 
  4            ABC Realty Incorporated       ABC Realty Incorporated

CorporationName和CorporationName2列实际上是相同的。它们各自包含房地产相关业务的名称。这些商家名称在每列中都会多次显示，但正如您所看到的，它们有时会出现略有不同的表现形式。

我的目标是获取CorporationName中的每个字符串，并将其与CorporationName2中的所有字符串进行比较。然后我希望FuzzyWuzzy从CorporationName2返回5个最相关的字符串（即该名称的可能变体）。这只是我接受过的大规模字符串匹配任务的第一步。

> import pandas as pd
  from fuzzywuzzy import process
  from fuzzywuzzy import fuzz 
  import csv

  df = pd.read_csv('yescorp_fuzz.csv')
  test_list = df.CorporationName
  test_list1 = df.CorporationName1


  def ownermatch():
   for i in test_list:
     result = process.extract(i,test_list1, limit=5)
     print(result)


   ownermatch()

这是追溯错误：

Traceback (most recent call last):
  File "C:/Python34/YesCorpFuzzy4_15.py", line 17, in <module>
    ownermatch()
  File "C:/Python34/YesCorpFuzzy4_15.py", line 13, in ownermatch
    result = process.extract(i,test_list1, limit=5)
  File "C:\Python34\lib\site-packages\fuzzywuzzy\process.py", line 103, in extract
    processed = processor(choice)
  File "C:\Python34\lib\site-packages\fuzzywuzzy\utils.py", line 84, in full_process
    string_out = StringProcessor.replace_non_letters_non_numbers_with_whitespace(s)
  File "C:\Python34\lib\site-packages\fuzzywuzzy\string_processing.py", line 25, in replace_non_letters_non_numbers_with_whitespace
    return cls.regex.sub(u" ", a_string)
TypeError: expected string or buffer
>>>

说实话，我不确定这里发生了什么。我也无法在互联网上找到太多东西。

非常感谢您提供的任何帮助。

谢谢！

Answer 1

我认为你遇到了一个数据帧列中有空值或某些非字符串数据类型的情况。 FuzzyWuzzy需要一个字符串，当遇到NaN或另一个非字符串时，它会抛出错误。您可以通过使用其他列的值填充NaN来消除这种情况：

df.CorporationName.fillna(df.CorporationName1, inplace = True)
df.CorporationName1.fillna(df.CorporationName, inplace = True)

或转换非字符串：

df.loc[:, 'CorporationName'] = df.CorporationName.astype(str)

使用FuzzyWuzzy和Pandas进行字符串匹配时的TypeError

1 个答案: