在另一列

Question

我想查找与给定单词匹配的排列，并根据列位置排列我的数据。

IE - 我创建了一个CSV，其中包含我从几个网站上删除的数据。它看起来像这样：

Name1     OtherVars    Name2      More Vars

Stanford   23451      Mamford        No
MIT          yes      stanfor1d       12
BeachBoys    pie      Beatles      Sweeden

我想（1）从Name2中的Name1中找到每个单词的排列，然后（2）用Name1中的那个单词打印一个表格+在OtherVars中匹配单词+在Name2中单词的排列+它在MoreVars中的匹配。 （如果找不到匹配项，只需删除该单词）。

结果将是这种情况：

Name1     OtherVars     Name2      More Vars

Stanford    23451      stanford       12

那么，我该怎么做：

1. 在其他列中查找单词的匹配排列？

2. 在其他列中打印2个单词及其映射的值？

PS - 这是一个类似的问题;然而，它是java和它的伪代码。 How to find all permutations of a given word in a given text? Difflib似乎不适合基于此的CSV：How to find the most similar word in a list in python

PS2 - 我被建议使用Fuzzymatch但是，我怀疑在这种情况下这是一种过度杀伤。

Answer 1

如果您正在寻找一个为“Stanford”和“stanf1ord”返回相同输出的函数，您可以：

• 使用小写
• 只保留字母
• 对字母进行排序

import re

def signature(word):
    return sorted(re.findall('[a-z]', word.lower()))

print(signature("Stanford"))
# ['a', 'd', 'f', 'n', 'o', 'r', 's', 't']
print(signature("Stanford") == signature("stanfo1rd"))
# True

您可以从第1列创建签名集或字典，并查看第2列中是否有任何匹配。

Answer 2

你似乎想要模糊匹配，而不是“排列”。有一些python模糊匹配库，但我认为人们喜欢fuzzywuzzy

或者，您可以自己动手。像

这样的东西

def ismatch(s1,s2):
   # implement logic
   # return boolean if match
   pass

def group():
   pairs = [(n1, v1, n2, v2) for n1 in names1 for n2 in names2 if ismatch(n1,n2)]
   return pairs