如何迭代 Fuzz Ratio 的最大值并导出到新的 CSV 文件

Question

我正在尝试编写一些代码，从两个 csv 文件中获取两个名称列表，并使用 fuzzywuzzy 库找到最相似的比较并将它们导出到第三个 csv 文件。

我的代码有两个问题：

首先，它不是优化，只是导出我正在计算的所有比率。

其次，它全部导出到单个列，而不是将所有值粘贴在它们自己的相关列中，即 CSV1、CSV2、Fuzz Ratio

from fuzzywuzzy import fuzz
import csv

with open('Documents/test_CSV_1.csv', 'r') as t1, open('Documents/test_CSV_2.csv', 'r') as t2:
    fileone = t1.readlines()
    filetwo = t2.readlines()

with open('update.csv', 'w') as outFile:
    for i in fileone:
        for j in filetwo:
            outFile.write(i + j+ str(fuzz.ratio(i,j)) + ", " + "\n")

Answer 1

您可以试试下面的代码：

导入包

import pandas as pd
from fuzzywuzzy import fuzz

读取两个csv文件：

df1 = pd.read_csv(''Documents/test_CSV_1.csv')
df2 = pd.read_csv('Documents/test_CSV_2.csv')

创建一个空列表

matched_names = []

写一个Fuzzywuzzy匹配代码

for row1 in df1.index:
    name1 = df1.get_value(row1,"Name1") #Name1 is the column name of df1 of an entity to be matched
    for row2 in df2.index:
        name2= df2.get_value(row2,"Name2")  #Name2 is the column name of df2 of entity to be matched
        matched_token=fuzz.partial_ratio(name1,name2)
        if matched_token> 80: #This is the threshold, you can change according to your neds
            matched_names.append([name1,name2,matched_token])

将列表写入 df 和 csv：

df_partial_ratio = pd.DataFrame(columns=['name1', 'name2','matched_token'], data=matched_names)
df_partial_ratio.to_csv("Output.csv",  encoding='utf-8')

或者，您也可以根据您的数据和需要使用以下功能，例如 fuzz.ratio 和 fuzz.token_sort_ratio。只需更改代码中的一行即可使用这些功能，如下所示：

matched_token=fuzz.ratio(name1,name2)
matched_token=fuzz.token_sort_ratio(name1,name2)

如何迭代 Fuzz Ratio 的最大值并导出到新的 CSV 文件

How to iterate over Max Values for Fuzz Ratio and export to new CSV file

python

python-3.x

fuzzy-comparison

fuzzywuzzy