从两个不同的数据帧计算两个字符串列之间的Levenshtein距离

Question

我有两个数据帧，它们包含相同的字符串列（主机名），我想计算两个数据帧之间所有可能的主机名对组合之间的Levenshtein距离，并将结果放入第三个数据帧中，在第三个数据帧中，我保留了每个可能组合的距离，但也保留了该组合的两个索引。在

例如，假设我有两个数据帧：

Index      Hostname
85608             dlt-rly-tracker-3.datto.com
9378      lnv7bc4241e2.1528.ozvision.ozsn.net
22791             dlt-rly-tracker-1.datto.com
88922                                 pw-file
94560     lnv7bc4241e2.1528.ozvision.ozsn.net
13245                                       -
63604                                 pw-file
435839                                pw-file
95473                                       -
13856                                 pw-file
210705                                pw-file
30046                                       -
106917            dlt-rly-tracker-2.datto.com
415925                                pw-file
170471                                pw-file
73971                                       -
86885             dlt-rly-tracker-3.datto.com
162764                                pw-file
74791                                 pw-file

第二个数据帧：

^{pr2}$

我要做的是获取hostname的第一个值（dlt-rly-tracker-3）。达图网)并使用第二个数据帧中的所有主机名值（逐个计算）计算levenshtein距离。将此过程结束时的结果存储在一个新的数据帧中，该数据帧类似于以下内容：

Indexes         Distance    Hostnames
85608-93358     23          dlt-rly-tracker-3.datto.com,device.dattobackup.com
85608-34067     60          dlt-rly-tracker-3.datto.com,dlt-rly-tracker-5.datto.com

我真的很感激能帮我解决问题。谢谢。在

Answer 1

下面的解决方案将遍历这两个数据帧，并使用所需数据创建一个新字典。然后你应该把这个字典转换成一个数据帧。让我知道如果这有帮助！在

 dist = {}
 for rowname, row in df.iterrows(): 
      for rowname1, row1 in df1.iterrows(): 
            L = Levenstein(row.Hostname, row1.Hostname)
            dist.update( {rowname+’-‘+rowname1 : (L, row.Hostname+’,’+row1.Hostname} )

Answer 2

我的建议是解决这个问题。在

import pandas as pd
from nltk import edit_distance

这里需要创建两个数据帧。我假设它们被称为：

df1型

df2型

^{pr2}$