需要python中数据帧多列短语中的字符串匹配帮助吗

Question

需要帮助匹配以下数据中的短语，我需要匹配TextA和TextB中的短语

下面的代码没有帮到我如何解决这个问题我有100个代码要匹配

#对混乱的短语进行排序

def sorts(string_value):
    sorted_string = sorted(string_value.split())
    sorted_string = ' '.join(sorted_string)
    return sorted_string

#删除字符串中的标点符号

punc = '''!()-[]{};:'"\,<>./?@#$%^&*_~'''

def punt(test_str):
    for ele in test_str:
        if ele in punc:
            test_str = test_str.replace(ele, "")
    return(test_str)

#匹配字符串

def lets_match(x):

    for text1 in TextA:
        for text2 in TextB:
            try:
                if sorts(punt(x[text1.casefold()])) == sorts(punt(x[text2.casefold()])):
                    return True
            except:
                continue
    return False
df['result'] = df.apply(lets_match,axis =1)

即使在实现了字符串排序、删除标点符号和区分大小写之后，我仍然认为这些字符串不匹配。我在这里错过了一些东西，可以帮助我实现它吗

Answer 1

实际上，您可以使用difflib来匹配两个文本，下面是您可以尝试的：

from difflib import SequenceMatcher

def similar(a, b):
    a=str(a).lower()
    b=str(b).lower()
    return SequenceMatcher(None, a, b).ratio()

def lets_match(d):
    print(d[0],"  - ",d[1])
    result=similar(d[0],d[1])
    print(result)
    if result>0.6:
        return True
    else:
        return False
    
df["result"]=df.apply(lets_match,axis =1)

您可以使用if result>0.6值进行播放

有关difflib的更多信息，请访问here。还有其他类似textdistance的序列匹配器，但我发现它很容易，所以我尝试了这个