Question

我正在尝试计算2个数据框中多行的模糊比：

DF1：

id    name
1     Ab Cd E
2     X.Y!Z
3     fgh I

DF2：

name_2
abcde
xyz

我想计算df1.name和df2.name_2中所有值之间的模糊比：

要做到这一点，我有代码：

for i in df1['name']:
    for r in df2['name_2']:
        print(fuzz.ratio(i,r))

但是我希望最终的结果也是来自df1的id。理想情况下看起来像这样：

final_df：

id      name        name_2    score
1      Ab Cd E      abcde      50
1      Ab Cd E       xyz        0
2       X.Y!Z       abcde       0
2       X.Y!Z        xyz       60
3       fgh I       abcde       0
3       fgh I        xyz        0

感谢您的帮助！

Answer 1

您可以像这样解决问题：

创建一个空的DataFrame：

final = pandas.DataFrame({'id': [], 'name': [], 'name_2': [], 'score': []})

迭代插入id，名称和分数的两个DataFrame，并将其连接到最终的DataFrame：

for id, name in zip(df1['id'], df1['name']):
    for name2 in df2['name_2']:
        tmp = pandas.DateFrame({'id': id, 'name': name, 'name_2': name2, 'score': fuzz.ratio(name, name2)})
    final = pandas.concat([final, tmp], ignore_index=True)

print(final)

这可能是一种更清洁，更有效的方法，但我希望这会有所帮助。

Answer 2

我不完全理解lambda函数在pd.apply中的应用，但经过一些搜索后，我认为这是一个合理的解决方案。

import pandas as pd
from fuzzywuzzy import fuzz

d = [{'id': 1, 'name': 'Ab Cd e'}, {'id': 2, 'name': 'X.Y!Z'}, {'id': 3, 'name': 'fgh I'}] 
df1 = pd.DataFrame(d)
df2 = pd.DataFrame({'name_2': ['abcde', 'xyz']})

这是熊猫的交叉联接;需要一个tmp df pandas cross join no columns in common

df1['tmp'] = 1
df2['tmp'] = 1

df = pd.merge(df1, df2, on=['tmp'])
df = df.drop('tmp', axis=1)

您可以.apply将fuzz.ratio功能df添加到df['fuzz_ratio'] = df.apply(lambda row: fuzz.ratio(row['name'], row['name_2']), axis = 1) df中的列。 Pandas: How to use apply function to multiple columns

df1

我还尝试在import _imp上设置索引，但这导致将其排除在交叉加入的df之外。

熊猫：如何在2个不同的数据帧上迭代for循环？

2 个答案: