Pandas: 如何在 2 个不同的数据帧上迭代 for 循环？

Question

我正在尝试计算 2 个数据框中多行的模糊率：

df1:

id    name
1     Ab Cd E
2     X.Y!Z
3     fgh I

df2:

name_2
abcde
xyz

我想计算 df1.name 和 df2 中所有值之间的模糊比。name_2:

为此我有代码：

for i in df1['name']:
    for r in df2['name_2']:
        print(fuzz.ratio(i,r))

但我希望最终结果也具有来自 df1 的 ID。理想情况下应该是这样的：

final_df:

id      name        name_2    score
1      Ab Cd E      abcde      50
1      Ab Cd E       xyz        0
2       X.Y!Z       abcde       0
2       X.Y!Z        xyz       60
3       fgh I       abcde       0
3       fgh I        xyz        0

感谢您的帮助！

Answer 1

您可以这样解决您的问题：

创建一个空的 DataFrame：

final = pandas.DataFrame({'id': [], 'name': [], 'name_2': [], 'score': []})

遍历两个 DataFrame，插入 id、names 和 score，并将其连接到最终的 DataFrame 中：

for id, name in zip(df1['id'], df1['name']):
    for name2 in df2['name_2']:
        tmp = pandas.DateFrame({'id': id, 'name': name, 'name_2': name2, 'score': fuzz.ratio(name, name2)})
    final = pandas.concat([final, tmp], ignore_index=True)

print(final)

可能有更简洁、更有效的方法来执行此操作，但我希望这对您有所帮助。

Answer 2

我不是很了解lambda函数在pd.apply中的应用，但经过一些SO搜索，我认为这是一个合理的解决方案。

import pandas as pd
from fuzzywuzzy import fuzz

d = [{'id': 1, 'name': 'Ab Cd e'}, {'id': 2, 'name': 'X.Y!Z'}, {'id': 3, 'name': 'fgh I'}] 
df1 = pd.DataFrame(d)
df2 = pd.DataFrame({'name_2': ['abcde', 'xyz']})

这是pandas中的交叉连接；需要 tmp df

df1['tmp'] = 1
df2['tmp'] = 1

df = pd.merge(df1, df2, on=['tmp'])
df = df.drop('tmp', axis=1)

您可以 .apply 函数 fuzz.ratio 到 df 中的列。 Pandas: How to use apply function to multiple columns

df['fuzz_ratio'] = df.apply(lambda row: fuzz.ratio(row['name'], row['name_2']), axis = 1)

df

我也尝试在 df1 上设置索引，但这导致它被排除在交叉连接的 df 之外。

Pandas: 如何在 2 个不同的数据帧上迭代 for 循环？

Pandas: How can I iterate a for loop over 2 different data-frames?

python

for-loop

pandas

fuzzywuzzy