Question

我有一个字符串列表，我试图匹配列中的值。如果它是低匹配（低于95）我想返回当前列值，如果它高于95，那么我想从列表中返回最佳模糊匹配。我试图将所有返回的值放入一个新列。我一直得到错误“元组索引超出范围”，我想这可能是因为它想要返回一个带有分数和名称的元组，但我只想要这个名字。这是我目前的代码：

   from fuzzywuzzy import process
   from fuzzywuzzy import fuzz


   L = [ducks, frogs, doggies]

   df

   FOO    PETS
    a     duckz
    b     frags
    c     doggies

    def fuzz_m(column, pet_list, score_t):
        for c in column:
            new_name, score = process.extractOne(c, pet_list, score_t)
            if score<95:
                return c
            else:
                return new_name

    df['NEW_PETS'] = fuzz_m(df,L, fuzz.ratio)

期望的输出：

    FOO    PETS      NEW_PETS
    a     duckz       ducks
    b     frags       frogs
    c     doggies     doggies

Answer 1

多次更正。

更改

df [＆＃39; NEW_PETS＆＃39;] = fuzz_m（df，L，fuzz.ratio）

到

df['NEW_PETS'] = fuzz_m(df['PETS'], L, fuzz.ratio)

制作列表元素字符串。
Fuzzywuzzy的extractOne方法按顺序接受处理器和记分器（link to source code。）。 fuzz.ratio的位置论证被错误地解释为处理器，当它真的是一个得分手时。将process.extractOne(c, pet_list, score_t)更改为process.extractOne(c, pet_list, scorer=score_t)。
此基于循环的代码无法按预期工作。 fuzz_m仅被调用一次，其返回值将广播到系列df['NEW_PETS']的所有条目中。

更适合熊猫的方式：

L = ['ducks', 'frogs', 'doggies']

def fuzz_m(col, pet_list, score_t):
    new_name, score = process.extractOne(col, pet_list, scorer=score_t)
    if score<95:
        return col
    else:
        return new_name

df['NEW_PETS'] = df['PETS'].apply(fuzz_m, pet_list=L, score_t=fuzz.ratio)

模糊匹配列表与数据框中的列

1 个答案: