Question

我有两个数据框，并希望基于三个字段A，B和C来加入它们。但是，A和B是数字值，我希望它们在联接/合并中完全匹配，但是C是字符串值，并且我希望至少80％匹配（相似），例如，如果A和B在两个数据帧中都具有相同的值，并且第一个数据帧中的C的值是abcde，第二个数据帧中的abcdf我仍然想在我的结果中考虑此记录。如何在python中实现呢？

Answer 1

您可以使用fuzzywuzzy

from fuzzywuzzy import fuzz

df1=pd.DataFrame({'A':[1,3,2],'B':[2,2,3],'C':['aad','aac','aad']})

df2=pd.DataFrame({'A':[1,2,2],'B':[2,2,3],'C':['aad','aab','acd']})

mergedf1=df1.merge(df2,on=['A','B'])

mergedf1['ratio']=[fuzz.ratio(x,y) for x, y in zip(mergedf1['C_x'],mergedf1['C_y'])]
mergedf1#score list here , you can cut the data frame by your own limit 
Out[265]: 
   A  B  C_x  C_y  ratio
0  1  2  aad  aad    100
1  2  3  aad  acd     67

Answer 2

我可能首先只合并A和B，然后过滤掉C列上相似性低的任何行，所以类似：

result = df1.merge(df2, on=['A', 'B'])

# assuming sim is the similarity function that you created to calculate the similarity
idx = result.apply(lambda x: sim(c['C_x', 'C_y']) >= 0.8, axis=1)
result = result[idx]

希望有帮助！

如何根据部分字符串匹配将两个数据框连接起来？

2 个答案: