Question

当使用Levenshtein包时，我创建了一个函数来计算python中两个变量的Levenshtein距离（L.distance）。但是，当我尝试应用该函数时，出现TypeError（“距离期望为两个字符串或两个Unicode”）。但是，我用来计算L.distance的两个变量都是字符串。

我尝试了一个for循环，然后在看了其他实现L.distance的在线脚本后将其取出。我创建了一个仅使用单个词进行比较的测试数据框，因为我认为这可能是个问题（我正在比较可能有很多词而不只是单数词的公司名称）

lst=['bear', 'tomato', 'green', 'snake']
lst2 =['baear', 'tomato', 'grean', 'snake']
dftest=pd.DataFrame(list(zip(lst,lst2)), columns =['lst1', 'lst2'])

result= []
def distancefinder(string1, string2):
    for string1, string2 in something:
        stringdist = lv.distance(string1, string2)
        result.append(stringdist)
    return (result)
dftest['lv_matchscore'] = distancefinder(dftest.lst1, dftest.lst2)

预期输出是两个变量的计算出的L.distance。

Answer 1

这是您应该这样做的方式：

# Imports
import pandas as pd
import Levenshtein as lv

lst=['bear', 'tomato', 'green', 'snake']
lst2 =['baear', 'tomato', 'grean', 'snake']
dftest=pd.DataFrame(list(zip(lst,lst2)), columns =['lst1', 'lst2'])

result= []
def distancefinder(lst1, lst2):
    # Create the list you will populate with the results
    results = []
    # Loop through your records (Levenshtein uses strings, not pandas.Series)
    for i in range(len(lst1)):
        # Calculate the distance 
        stringdist = lv.distance(lst1[i], lst2[i])
        # Append the result
        results.append(stringdist)
    # Return the results list
    return results
dftest['lv_matchscore'] = distancefinder(dftest.lst1, dftest.lst2)

编辑

for i in range(len(lst1)):

lst1是您要比较的熊猫系列（lst2是另一个）
len(lst1)以整数值返回序列的长度（在此示例中，结果为4）
range(len(lst1))（在这种情况下为range(4)）返回一个整数列表，从0开始到3的整数。因此：[0，1，2，3]
for i in range(len(lst1))将是for i in [0, 1, 2, 3]。 i将用作索引，以从要比较的系列中获取每个元素。在第一个迭代中，您将比较lst1[0]和lst2[0]；第二个是lst1[1]和lst2[1]，依此类推。

莱文施泰因距离计算功能

1 个答案: