Question

我试图辨别两个字符串之间的字符串相似性（使用Jaro）。每个字符串都位于我的数据框中的单独列中。

String 1 = df['name_one'] 

String 2 = df['name_two']

当我尝试运行字符串相似性逻辑时：

from pyjarowinkler import distance
df['distance'] = df.apply(lambda d: distance.get_jaro_distance(str(d['name_one']),str(d['name_two']),winkler=True,scaling=0.1), axis=1)

我收到以下错误：

 **error: JaroDistanceException: Cannot calculate distance from NoneType (str, str)**

太好了，所以列中没有任何类型，所以我要做的第一件事就是检查：

maskone = df['name_one'] == None
df[maskone]

masktwo = df['name_two'] == None
df[masktwo]

这将导致未找到None类型。...我现在在这里挠头，但是继续以任何方式清理两列。

df['name_one'] = df['name_one'].fillna('').astype(str)
df['name_two'] = df['name_two'].fillna('').astype(str)

但是，我仍然得到：

error: JaroDistanceException: Cannot calculate distance from NoneType (str, str)

我可以正确删除NoneTypes吗？

Answer 1

问题

问题并不完全是您只遇到NoneTypes，而是空字符串，这也可能引发此异常，正如您在{{1 }}

distance.get_jaro_distance

选项1

尝试将您的none类型和/或空字符串替换为'NA'或从数据集中过滤掉它们。

选项2

对可能引发此异常的行使用标志值/距离。在下面的示例中，我将使用if not first or not second: raise JaroDistanceException("Cannot calculate distance from NoneType ({0}, {1})".format( first.__class__.__name__, second.__class__.__name__))

检查和删除无类型的Jaro字符串相似性

1 个答案:

问题

选项1

选项2