附加 fuzzywuzzy 过程提取结果到 df

Question

我有一份未正确对齐的公司名称列表。数据集看起来像

df[Name]= [Google, google, Google.inc, Google Inc., Google.com]

我有大约 500,000 行，应该以最佳方式更正名称。

我的代码如下所示：

from fuzzywuzzy import fuzz
from fuzzywuzzy import process
import pandas as pd

get_match = []

for row in df.index:
    name1= df.get_value(row,"Name")
    for columns in df2.index:
        name2=df2.get_value(columns,"Name")
matched_token=[process.extract(x, name2, limit=3) for x in name1]
        get_match.append([matched_token, name1, name2])
df_maneet = pd.DataFrame({'Ratio': [i[0] for i in get_match], 'name1': [i[1] for i in get_match], 'name2':[i[2] for i in get_match]})

我的成绩是 matched_token 是

[[('google', 100, 0), ('Sxyzdgg.', 48, 9), ('ggigsk', 45, 2)]]

但我想在 df 中附加结果并查看如下结果。

我想我运行在 matched.token 行有问题，但无法弄清楚。

提前致谢

Answer 1

也许这段代码能帮到你：

import pandas as pd
df = pd.DataFrame({"Name" : ["Google","google.inc"]})
df2 = pd.DataFrame({"Name" : ["google","google"]})

from fuzzywuzzy import fuzz
from fuzzywuzzy import process

get_match = []
for row in df.index:
    name1 = []
    name1.append(df.get_value(row,"Name"))
    for columns in df2.index:
        name2 = []
        name2.append(df2.get_value(columns,"Name") )
        matched_token=[process.extract(x, name2, limit=3)[0][1] for x in name1]
        get_match.append([matched_token, name1[0], name2[0]])
df_maneet = pd.DataFrame({'name1': [i[1] for i in get_match], 'name2':[i[2] for i in get_match], 'Ratio': [i[0][0] for i in get_match]})

最终数据帧：

name1   name2  Ratio

0 Google google 100
1 Google google 100
2 google.inc google 90
3 google.inc google 90

附加 fuzzywuzzy 过程提取结果到 df

appending of fuzzywuzzy process extract result into df

python

pandas

fuzzywuzzy