Python Pandas SequenceMatch列为每个值并返回closematch

Question

我有两个DataFrame对象，每个对象包含2列字符串数据。我需要将列a和b与c和{}进行比较，然后根据最高匹配比率合并两个DataFrame对象。在

   DF1                                DF2
a       b                          c       d
apple  paster                      doser   ankle
bac    bur                         are     bun
sit    sign                        and     lake
car    bun                         ape     mason
alli   makeup                      noodle  paster

输出示例

^{pr2}$

显然，这些比率是由完美匹配1构成的。在

我可以遍历每个DataFrame对象的每一行，并应用difflib.SequenceMatcher函数返回比率，然后使用max ratio和相应的数据来设置该行上的值，但是考虑到数据有多大，这将需要很长时间。我很好奇我是否可以使用apply在两个DataFrame对象上应用这个函数

Answer 1

（在原始的df2和示例输出之间，您的一些输出是否发生了变化？我假设示例输出具有正确的df2），看起来您是将a与{}配对，b与{}配对，所以首先，让我们将数据帧连接在一起。在

import pandas as pd
from difflib import SequenceMatcher

df1 = pd.DataFrame({'a': ['apple', 'bac', 'sit', 'car', 'alli'],
                    'b': ['paster', 'bur', 'sign', 'bun', 'makeup']})

df2 = pd.DataFrame({'c': ['noodle', 'are', 'and', 'ape', 'noodle'],
                    'd': ['paster', 'bun', 'lake', 'bun', 'paster']})

df = pd.concat([df1, df2], axis=1)

我们必须做一个apply，它包含两列。我们应该创建一个可以接受两个列名作为参数的函数。在

^{pr2}$

我得去看看SequenceMatcher是怎么工作的。需要注意的一点是，它可以接受数组，因此您必须小心：您对string序列匹配、元素到元素特别感兴趣，这就是为什么您需要apply并且不能直接插入列。在

现在您可以将此sim_metric应用于a和{}，以及{}和{}。在

df['a_c_comp'] = df.apply(sim_metric,
                          args=('a', 'c'),
                          axis=1)

df['b_d_comp'] = df.apply(sim_metric,
                          args=('b', 'd'),
                          axis=1)

注意我是如何使用apply的args参数来指定泛型sim_metric的列名。在

最后，我们可以对最后的comparison_ratio列执行max。在

df['comparison_ratio'] = df[['a_c_comp', 'b_d_comp']].max(axis=1)
print(df)

结果如下。在

       a       b       c       d  a_c_comp  b_d_comp  comparison_ratio
0  apple  paster  noodle  paster  0.363636  1.000000          1.000000
1    bac     bur     are     bun  0.333333  0.666667          0.666667
2    sit    sign     and    lake  0.000000  0.000000          0.000000
3    car     bun     ape     bun  0.333333  1.000000          1.000000
4   alli  makeup  noodle  paster  0.200000  0.333333          0.333333