Question

我有两个数据框，如下所示： DF1：

$('#' + myID).contents().appendTo('#popupWrapper');

DF 2：

Name                     Value
buying fish hook         240
arrange lunch            75
repair equipment         800
purchase air condition   1400
buying fish              66

我想用模糊逻辑将两个数据框的名称列中的名称匹配，并将第二个数据框的名称列添加至第一个：

Name
fish
lunch
equipemt
air condition
hair condition
fish hook

并非所有名称都完全匹配。 Df 2有几个名称，有些具有匹配的词，例如：air condition和hair condition。从DF 1拆分值会导致未命中，其中鱼钩仅与鱼匹配

Answer 1

您可以将pd.Series.apply与next和生成器表达式一起使用。如果有多个匹配项，则此方法将按df2中的行顺序赋予优先级。如果找不到匹配项，find_key将返回None。

def find_key(x):
    return next((i for i in df2['Name'].values if x in i), None)

df1['item'] = df1['Name'].apply(find_key)

Answer 2

from fuzzywuzzy import process
i = 0
scorethreshold = 70
df1["fuzzy"] = 0
for x in df1.Name:
    noun,score,record = process.extractOne(x,df2.Name)
    if score > scorethreshold:     
        df1.loc[i,'fuzzy'] = noun
    else:
        df1.loc[i,'fuzzy'] = None
    i = i + 1

此代码将比较并匹配文本。根据得分阈值返回df2值或无。您可以根据df2的精度修改阈值。您可能还需要进行一些文本处理以获得更好的结果。

如何使用模糊逻辑从熊猫的数据框中匹配和提取文本？

2 个答案: