用于在Python中匹配具有相似ID字符串的两个集合的分类器

我有两组数据，它们具有公共要素集，但ID名称的标签不同

我想看看是否有一个最佳分类器，可以帮助我根据这些特性选择哪些名称匹配是最佳选择

Set 1

看起来像：

Name         ID1           code1          move1        year
Highland     1             nc             st           2002
Highland     4             nc             st           2001
Highland     gt3           nc             st           2002
Highland     gt2           nc             st           2003
Mark         wt1           ns             st           2000
Mark         ws1           ns             st           1945
Mark         ost6          nc             ct           2002
Niko         1             ng             ct           2000
.
.

Name         ID2           code2          move2        year
Highland     gt1           nc             st           2002
Highland     gt3           nc             st           
Highland     2             nc             st           2003
Highland     gt4           nc             st           2001
Mark         t1            ns             st           2000
Mark         s1            nsi            st           
Mark         ost6          nci            ct           2002
Niko         1             ngi            ct           2000
.
.

Set 2

看起来像：

Name         ID1           code1          move1        year
Highland     1             nc             st           2002
Highland     4             nc             st           2001
Highland     gt3           nc             st           2002
Highland     gt2           nc             st           2003
Mark         wt1           ns             st           2000
Mark         ws1           ns             st           1945
Mark         ost6          nc             ct           2002
Niko         1             ng             ct           2000
.
.

Name         ID2           code2          move2        year
Highland     gt1           nc             st           2002
Highland     gt3           nc             st           
Highland     2             nc             st           2003
Highland     gt4           nc             st           2001
Mark         t1            ns             st           2000
Mark         s1            nsi            st           
Mark         ost6          nci            ct           2002
Niko         1             ngi            ct           2000
.
.

正如您所看到的，这两个集合之间存在一些差异，但是

Name

始终是相同的-ID有时几乎匹配，有时完美匹配。其他时候，

代码

或

移动

匹配或接近，有时一组的年份通常缺失

我已经为这些ID计算了使用

Levenshtein距离的
fuzzy比率
，但它们不足以让我真正匹配

有没有一种方法可以使用类似SVM的东西更好地识别这些ID？
尝试
fuzz.token\u set\u ratio（）
而不是
fuzzy.ratio（）
。
使用fuzz.token\u set\u ratio（）可以获得良好的匹配

有关更多信息，请访问。
是否尝试将set1的整行与set2匹配？我正在尝试使用ID名称中的相似性和功能的相似性将
ID1
与
ID2
匹配。所以我认为匹配这两个ID可以间接地将它们的行匹配在一起。我想可能有一种方法可以将每一行转换为一个元组，并以某种方式将元组转换为支持向量机可以运行的分组。我过去所做的是为不同的匹配类型分配权重。所以，这个名字会有很重的分量。然后是id1的尾随数字、年份等。最高分数“获胜”。操纵系数和权重，直到拟合pop1==pop2。演示起来并不容易，但当你开始使用它时，想法就变得足够清晰了。Levenstein距离，IMHO，有点像一条昂贵的红鲱鱼——你需要成为mire指令。有没有一个我能看到的工作示例来更好地理解你的意思，@JLPeyret？