基于两列中的模糊匹配合并两个数据帧

Question

我有 2 个数据框，我正尝试根据 ID 和辅助 ID 合并它们。以下是两个数据帧的示例：

First ID                  Second ID               Company
10056526008010            0.000000e+00            Company A
10022337820851            8.152050e+11            Company B
722337820853              8.152050e+11            Company C
10056526008010            0.000000e+00            Company E
10022337820851            6.290250e+11            Company D

First ID                  Second ID               Company               Availability
878968000512              0.000000e+00            Company F             Y
10022337820851            8.152050e+11            Company B             Y
10022337820851            8.152050e+11            Company B             Y
722337820853              8.152050e+11            Company C             N
10056526008010            0.000000e+00            Company E             N
10056526008010            0.000000e+00            Company G             N
10022337820851            6.290250e+11            Company D             Y

我希望能够根据第一个 ID 的匹配进行合并，然后检查次要 ID 是否匹配，如果匹配则应合并，如果不匹配则不应合并是（我怀疑需要内部合并）。如果 Secondary ID 为 0，则应进行公司名称的模糊匹配。有什么办法吗？所需的输出如下所示：

First ID                  Second ID               Company           Availability
10022337820851            8.152050e+11            Company B         Y
722337820853              8.152050e+11            Company C         N    
10056526008010            0.000000e+00            Company E         N
10056526008010            0.000000e+00            Company G         N
10022337820851            6.290250e+11            Company D         Y

这样，首先根据第一个 ID 匹配 2 个数据帧，然后使用第二个 ID 检查重复项，如果第二个 ID 为 0，则进行基于公司的类似匹配。如果 Second ID 或 Company 没有匹配项，则不会对该行进行合并。

Answer 1

让dataframes为df1和df2然后你可以先在id上使用merge然后过滤辅助id为0的情况：

merged = df1.merge(df2, on=['First ID', 'Second ID'], suffixes=('_left', '_right'))
mask = fuzzy_match(merged['Company_left'], merged['Company_right']) | merged['Second ID_left'] != 0
merged[mask]

这里 fuzzy_match 是一个接受两个系列和 returns 布尔系列或数组的函数。