Question

我正在尝试为2个表创建一个动态模糊逻辑连接。我的意思是动态是允许参数指定允许两个表连接的变量。下面提到的代码是以下链接下的静态代码的修改版本： Python Pandas fuzzy merge/match with duplicates

我编写了以下动态代码：

import pandas as pd
import datetime
from fuzzywuzzy import fuzz
import difflib 

donors = pd.DataFrame({"name": pd.Series(["John Doe","John Doe","Tom Smith","Jane Doe","Jane Doe","Kat test"]), "Email": pd.Series(['a@a.ca','a@a.ca','b@b.ca','c@c.ca','something@a.ca','d@d.ca']),"Date": (["27/03/2013  10:00:00 AM","1/03/2013  10:39:00 AM","2/03/2013  10:39:00 AM","3/03/2013  10:39:00 AM","4/03/2013  10:39:00 AM","27/03/2013  10:39:00 AM"])})
fundraisers = pd.DataFrame({"name": pd.Series(["John Doe","John Doe","Kathy test","Tes Ester", "Jane Doe"]),"Email": pd.Series(['a@a.ca','a@a.ca','d@d.ca','asdf@asdf.ca','something@a.ca']),"Date": pd.Series(["2/03/2013  10:39:00 AM","27/03/2013  11:39:00 AM","3/03/2013  10:39:00 AM","4/03/2013  10:40:00 AM","27/03/2013  10:39:00 AM"])})
donors["Date"] = pd.to_datetime(donors["Date"], dayfirst=True)
fundraisers["Date"] = pd.to_datetime(donors["Date"], dayfirst=True)
donors["code"] = donors.apply(lambda row: str(row['name'])+' '+str(row['Email']), axis=1)
idx = donors.groupby('code')["Date"].transform(min) == donors['Date']
donors = donors[idx].reset_index().drop('index',1)

def get_donors_v1(fund_var,don_var, don_tab,row=None):
    d = don_tab.apply(lambda x: fuzz.ratio(x["%s" % don_var], 'row["%s" %fund_var]') * 2, axis=1)
    d = d[d >= 75]
    if len(d) == 0:
        v = ['']*3
    else:
        v = don_tab.ix[d.idxmax(), ["%s"% don_var ,'Email','Date']].values
    return pd.Series(v, index=['donor name', 'donor email', 'donor date'])

trial=pd.concat((fundraisers, fundraisers.apply(get_donors_v1(fund_var="name",don_var="name",don_tab=donors), axis=1)), axis=1)

我收到以下错误：

TypeError：get_donors_v1（）只需要4个参数（给定3个）

我应该将功能替换为：

get_donors_v1(row=None,fund_var,don_var, don_tab)

然后我收到以下错误：

TypeError :(＆＃34;＆＃39; NoneType＆＃39;对象没有属性＆＃39; getitem ＆＃39;＆＃34;，你发生在指数0＆＃39;）

请帮忙。

Answer 1

在您的代码示例中，为参数“row”提供值为None的get_donors（）。在下一行中，您尝试使用row作为映射（row [“％s”％fund_var]）而不测试对象是否存在，即：not equals None。

为'row [“％s”％fund_var]'之类的对象建立索引会导致调用getitem方法，而None确实没有。

python动态模糊逻辑连接

1 个答案: