Question

我有两个数据框，一个包含客户打开的服务请求，第二个包含客户的订单。我想在客户名称上合并这两个数据框，但是问题是名称不相同，因为它们来自两个不同的来源。只是一个虚构的例子：数据框1可以有“ Facebook，Inc.”。数据框2可以是“ facebook社交媒体”。

我尝试使用SequenceMatcher（从difflib导入SequenceMatcher）在数据帧1中以每个客户的比率最高的结果进行搜索，但是准确性不够好。

我很高兴听到遇到相同问题的人们的想法。

谢谢。

Answer 1

您可以使用fuzzywuzzy库或经过优化的editdistance包中的Levenstein距离。优化的Levenstein距离仅使用最后两行，而不是经典的二维矩阵。为了计算相似度，请使用下一个公式：

ratio = 1 - levenstein(a, b) / max(len(a), len(b))

此外，您可以使用Damerau-Levenstein修改。它允许计算字符转置而不是删除/插入操作。