依赖关系

Question

我试图在两个字符串列表（listA和listB）之间获得最接近的匹配，以创建listC。

这样做的目的是因为我必须清理一个包含一列字符串的数据框，每个字符串代表一个水果，某些条目有我需要修复的拼写错误。

我要修复的实际列名为test：

print(test)

输出：

0             lychee
1         strawberry
2          nectarine
3             lychee
4             lychee
5             banana
6          raspberry
7            loga!!n
....
37497          grape
37498          apple
37499      rockmelon
Name: fruit_ate, Length: 37500, dtype: object

然后我将测试列转换为名为newTest的列表，并创建了一个正确名称的水果列表：

newTest = list(test)

fruits = ['lychee',
      'strawberry',
      'nectarine',
      'banana',
      'raspberry',
      'kiwi',
      'apple',
      'durian',
      'pear',
      'logan',
      'jackfruit',
      'grape',
      'peach',
      'watermelon',
      'rockmelon',
      'orange']

我创建了一个遍历newList的for循环并获取每个元素并返回水果列表中最接近的匹配。但是，正如我认为在我的代码工作之后尝试修复小列表会更容易，我可以用它来修复newTest列表。

所以我创建了这些listA和listB。我将测试列的一些值复制到listB中，然后使用列表水果的值创建了listA。

我设法做到的方式是：

listA = ['apple', 'banana', 'coco', 'grape', 'pear']
listB = ['ba88tana', 'peeaar', 'apple', 'ggra))pe']
listC = []

for i in listB:
    listC.append(diff.get_close_matches(i, fruits, n=1, cutoff=0.5))

output: [['banana'], ['pear'], ['apple'], ['grape']]

当我运行它时它工作正常，但如果我将相同的算法应用于我的newTest列表和水果列表它不起作用，它会说：TypeError: 'float' object is not iterable。

如果有人知道如何修复它或我可以做到的其他方式，那将非常有帮助。

Answer 1

在没有看到整个代码的情况下，当你将它与数据一起使用时，我猜想newTest是浮点数吗？

或者该行：

listC.append(diff.get_close_matches(i, fruits, n=1, cutoff=0.5))

函数diff可能正在接收float而不是字符串，例如

diff.get_close_matches(32, text, n=1, cutoff=.5)

而不是：

diff.get_close_matches('32', text, n=1, cutoff=.5)

如果您的数据是浮点数而不是字符串，则可能是这种情况。

for i in newTest:
    diff.get_close_matches(str(i), text, n=1, cutoff=.5)

发布实际测试的相关部分有助于诊断。

Answer 2

依赖关系

pip install editdistance

代码（nearest.py）

import editdistance
listA = ['apple', 'banana', 'coco', 'grape', 'pear']
listB = ['ba88tana', 'peeaar', 'apple', 'ggra))pe']
listC = []

for i in listB:
    res = None
    distance = len(i)+1
    for j in listA:
        diff = editdistance.eval(i, j)
        if diff < distance:
            distance = diff
            res = j
    listC.append(res)

print listC

获取TypeError：使用字符串列表时，'float'对象不可迭代

2 个答案:

依赖关系

代码（nearest.py）