基于最大编辑距离的最可能词

Question

我有list个单词：

lst = ['dog', 'cat', 'mate', 'mouse', 'zebra', 'lion']

我还有一个 pandas 数据框：

df = pd.DataFrame({'input': ['dog', 'kat', 'leon', 'moues'], 'suggested_class': ['a', 'a', 'a', 'a']})

input   suggested_class
dog          a
kat          a
leon         a
moues        a

我想用 lst 中与 input 列中的单词具有最大编辑距离的值填充 suggested_class 列。我正在使用 fuzzywuzzy 包来计算它。

预期输出为：

input   suggested_class
dog          dog
kat          cat
leon         lion
moues        mouse

我知道可以用 autocorrect 包实现一些东西，比如 df.suggested_class = [autocorrect.spell(w) for w in df.input] 但这对我的情况不起作用。

我试过这样的事情（使用 from fuzzywuzzy import fuzz）：

for word in lst:
    for n in range(0, len(df.input)):
        if fuzz.ratio(df.input.iloc[n], word) >= 70:
            df.suggested_class.iloc[n] = word
        else:
            df.suggested_class.iloc[n] = "unknown"

仅适用于设定的距离。我已经能够通过以下方式捕获最大距离：

max([fuzz.ratio(df.input.iloc[0], word) for word in lst])

但我无法将它与 lst 中的一个词联系起来，随后用该词填充 suggested_class。

Answer 1

既然你提到了fuzzywuzzy

from fuzzywuzzy import process
df['suggested_class']=df.input.apply(lambda x : [process.extract(x, lst, limit=1)][0][0][0])

df
Out[1365]: 
   input suggested_class
0    dog             dog
1    kat             cat
2   leon            lion
3  moues           mouse

基于最大编辑距离的最可能词

Most Likely Word Based on Max Levenshtien Distance

python

python-3.x

pandas

levenshtein-distance

fuzzywuzzy