模糊匹配列表与数据框中的列

Question

我有一个字符串列表，我试图将它们与列中的值匹配。如果它是低匹配（低于 95），我想 return 当前列值，如果它高于 95，那么我想 return 列表中的最佳模糊匹配。我正在尝试将所有 returned 值放入一个新列中。我一直收到错误 "tuple index out of range"，我想这可能是因为它想要 return 一个包含分数和名称的元组，但我只想要名称。这是我当前的代码：

   from fuzzywuzzy import process
   from fuzzywuzzy import fuzz


   L = [ducks, frogs, doggies]

   df

   FOO    PETS
    a     duckz
    b     frags
    c     doggies

    def fuzz_m(column, pet_list, score_t):
        for c in column:
            new_name, score = process.extractOne(c, pet_list, score_t)
            if score<95:
                return c
            else:
                return new_name

    df['NEW_PETS'] = fuzz_m(df,L, fuzz.ratio)

期望的输出：

    FOO    PETS      NEW_PETS
    a     duckz       ducks
    b     frags       frogs
    c     doggies     doggies

Answer 1

几处更正。

改变

df['NEW_PETS'] = fuzz_m(df,L, fuzz.ratio)

至

df['NEW_PETS'] = fuzz_m(df['PETS'], L, fuzz.ratio)

将您的列表元素设为字符串。
Fuzzywuzzy 的 extractOne 方法接受处理器和记分器，顺序为 (link to source code)。 fuzz.ratio 的位置参数被错误地解释为处理器，而实际上它是一个记分器。将 process.extractOne(c, pet_list, score_t) 更改为 process.extractOne(c, pet_list, scorer=score_t).
此基于循环的代码将无法按预期工作。 fuzz_m 只被调用一次，它的 return 值将被广播到系列的所有条目中 df['NEW_PETS'].

一种更 pandas 友好的方式：

L = ['ducks', 'frogs', 'doggies']

def fuzz_m(col, pet_list, score_t):
    new_name, score = process.extractOne(col, pet_list, scorer=score_t)
    if score<95:
        return col
    else:
        return new_name

df['NEW_PETS'] = df['PETS'].apply(fuzz_m, pet_list=L, score_t=fuzz.ratio)

模糊匹配列表与数据框中的列

Fuzzy Match List with Column in a data frame

python

string

pandas

match

fuzzywuzzy