我正在使用http://recordlinkage.readthedocs.io/en/latest/index.html 当数据集1中的某些列不一致映射到数据集2中的同一列时，如何在数据集之间提供映射。 基本上，映射是未知的，我想指定的是 - Dataset1.Column1可以映射到Dataset2.Column1或Dataset2.Column2或Dataset2.Column3 我如何指定相同的比较属性？
compare_cl = rl.Compare(pairs, dfA, dfB)
compare_cl.string(?, ?);
答案 0 :(得分：1)
首先，recordlinkage在比较记录时不会强制执行任何类型的映射，因此您可以比较两个数据帧中的任意两列，无论这些列是否先前已进行过比较。
在您的情况下，您可以执行以下操作：
compare_cl = recordlinkage.Compare(pairs, dfA, dfB)
compare_cl.string('dfA-column-1', 'dfB-column-1')
compare_cl.string('dfA-column-1', 'dfB-column-2')
compare_cl.string('dfA-column-1', 'dfB-column-3')
recordlinkage只能在各列之间进行比较。因此，如果要比较的值发生在多个列中，则需要在预处理阶段或分类阶段进行处理。
如果可能，请尝试使用数据预处理解决此问题。我不知道你的问题的具体细节，但听起来你的数据结构可能会使记录链接混乱，如果不在工作流程的早期解决。我强烈建议您查看Hadley Wickham's Tidy Data以获取有关数据清理的入门知识。
如果要比较的数据可以放在一个列中，请执行此操作。如果dfA中的记录与dfB-column-1，dfB-column-2或dfB-column-3相对应，而不是全部三个，则应考虑是否可以“重塑”{{1解决你的问题，例如将您的数据转换为"long format"，然后使用屏蔽条件（即使用dfB）来忽略无意义的比较。
如果（无论出于何种原因）您在预处理期间无法解决此问题，您可以在将候选链接分类为匹配/不匹配时应用条件。