Question

我有一个具有3个要素Product_detail，S.I_Units和Value的数据框。

df4 = pd.DataFrame({'Product_detail': ['XYZ', 'ABC', 'DEF', 'GHI'],'D': ['g', 'Kg', 'l', 'ml'],'F': ['500', '1', '1', '1000']} )

我的Product_detail列包含文本，因此我已将其转换为TfidfVectorizer

我必须计算相似度矩阵，但是我不知道如何使用 S.I_units列与Value列。例如，DataFrame的某行类似于（'Amul Butter'，'g'，'200'），（'Amul Butter'，'g' ，'100'），（'Amul Butter'，'g'，'300'），（'Amul Milk'，'ml'，'1000'）。我想要Amul黄油的顶级“ n”个同类产品。

Answer 1

我不确定您的预期输出是多少，但是您可以使用fuzzywuzzy做一些事情，即百分比str匹配：

让我们假设这个df：

df4 = pd.DataFrame({'Product_detail': ['butter', 'amul butter', 'amul milk', 'milk'],'D': ['g', 'Kg', 'l', 'ml'],'F': ['500', '1', '1', '1000']})


Product_detail  D   F
0   butter      g   500
1   amul butter Kg  1
2   amul milk   l   1
3   milk        ml  1000

然后您可以创建选择列表并使用process.extract（）

from fuzzywuzzy import fuzz, process

# create a list of choices from df['Product_detail']
choices = list(df4['Product_detail'].values)

# use fuzzywuzzy's process.extract()
# limit is the number of returned results
process.extract('amul butter', choices, limit=3)

退出：

[('amul butter', 100), ('butter', 90), ('amul milk', 59)]

如果您不希望百分比匹配，请执行列表理解：

result = process.extract('amul butter', choices, limit=3)

# list comprehension to remove the percent
[x[0] for x in result]

退出：

['amul butter', 'butter', 'amul milk']

如果您想返回自己的df：

# list comprehension to remove the percent
result_list = [x[0] for x in result]

# if you want to return your df
df4[df4['Product_detail'].isin(result_list)]

    Product_detail  D   F
0   butter          g   500
1   amul butter     Kg  1
2   amul milk       l   1

一起处理分类数据单元和数值数据

1 个答案: