在pandas中创建基于字符串的集群

我有一个大约200-300k的名字列表

例如

名称1 名称2 雷文先生 亚历克斯 弗雷迪 基文 格雷小姐 莫恩 詹姆斯 肖恩 尼奥维恩 弗雷 博尔特 麦凯 阿伦博士 亚当斯 阿尔斯雷 错过。斯鲁特 示例代码基于：

产出：

  Cluster-0 Cluster-1 Cluster-2 Cluster-3
0     Reven      Grey     James      Alen
1     Keven      Frey    Adames      Alex

---

你有过模糊匹配吗？你对相似名称的精确定义是什么？如何计算你想要的相似值？看起来您希望名称具有相同的字符和相同的顺序，但如何定义两个名称是否类似地大于90%？@Ukrainian serge我尝试过，但不是为了这些逻辑，只是为了理解，我只是使用了一个非常小的示例来尝试。@example先生不一定顺序应该匹配。90%匹配在这个意义上，有许多算法，如leveishtin dist、Jaro Winkler、fuzzy wuzzy等。在这些算法中，最好的算法应该用于这些特定的逻辑，根据该分数给我精确的分数，然后收集匹配率较高的名称。我的解释清楚了吗？。请让我知道你是否说得很清楚。@RedVibes那么，我只是想知道，我的回答解决了这个问题，还是你认为我遗漏了什么？

  Cluster-0 Cluster-1 Cluster-2 Cluster-3
0     Reven      Grey     James      Alen
1     Keven      Frey    Adames      Alex