根据 pandas 中的城市创建批次

Question

我有两个不同的数据框，我想对它们进行模糊匹配以查找和删除重复项。为了使过程 faster/more 准确，我只想模糊匹配来自同一城市的两个数据框的记录。因此，有必要根据一个数据框中的城市创建批次，然后运行每个批次与具有类似城市的另一个数据框的子集之间的模糊匹配器。我找不到另一个执行此操作的 post，我被卡住了。这是我到目前为止所拥有的。谢谢！

df = pd.DataFrame({'A':[1,1,2,2,2,2,3,3],'B':['Q','Q','R','R','R','P','L','L'],'origin':['file1','file2','file3','file4','file5','file6','file7','file8']})
cols = ['B']
df1 = df[df.duplicated(subset=cols,keep=False)].copy()
df1 = df1.sort_values(cols)
df1['group'] = 'g' + (df1.groupby(cols).ngroup() + 1).astype(str)
df1['duplicate_count'] = df1.groupby(cols)['origin'].transform('size')
df1_g1 = df1.loc[df1['group'] == 'g1']
print(df1_g1)

不会考虑任何不重复的内容，因此如果一个值只出现一次，那么它将被跳过，就像 B 列中 'P' 的情况一样。它还需要我进入并每次都对组进行硬编码，这并不理想。我一直无法找出 for 循环或任何其他方法来解决这个问题。谢谢！

Answer 1

你可以传给locals

variables = locals()
for i,j in df1.groupby('group'):
    variables["df1_{0}".format(i)] = j
df1_g1
Out[314]: 
   A  B origin group  duplicate_count
6  3  L  file7    g1                2
7  3  L  file8    g1                2

根据 pandas 中的城市创建批次

Creating batches based on city in pandas

pandas

pandas-groupby