Python Excel Levenshtein算法在柱上的应用

我试图使用Levenshtein算法来发现记录之间的相似性。 我拥有的是项目#列、描述、查找、相似性（%）、返回相似项。在列描述中，我有几个不同的描述，在查找项中，我将有与描述列中的值相似的值。使用Levenshtein函数，我想识别相似性，如果超过90%，我想从附加到相似项的项#列返回值。有关更好的描述，请参见图片。 这是我正在使用的Levenshtein的代码：

Function Levenshtein3(ByVal string1 As String, ByVal string2 As String) As Long

Dim i As Long, j As Long, string1_length As Long, string2_length As Long
Dim distance(0 To 60, 0 To 50) As Long, smStr1(1 To 60) As Long, smStr2(1 To 
50) As Long
Dim min1 As Long, min2 As Long, min3 As Long, minmin As Long, MaxL As Long

string1_length = Len(string1):  string2_length = Len(string2)

distance(0, 0) = 0
For i = 1 To string1_length:    distance(i, 0) = i: smStr1(i) = 
Asc(LCase(Mid$(string1, i, 1))): Next
For j = 1 To string2_length:    distance(0, j) = j: smStr2(j) = 
Asc(LCase(Mid$(string2, j, 1))): Next
For i = 1 To string1_length
    For j = 1 To string2_length
        If smStr1(i) = smStr2(j) Then
        distance(i, j) = distance(i - 1, j - 1)
        Else
        min1 = distance(i - 1, j) + 1
        min2 = distance(i, j - 1) + 1
        min3 = distance(i - 1, j - 1) + 1
        If min2 < min1 Then
            If min2 < min3 Then minmin = min2 Else minmin = min3
        Else
            If min1 < min3 Then minmin = min1 Else minmin = min3
        End If
        distance(i, j) = minmin
        End If
    Next
Next

' Levenshtein3 will properly return a percent match (100%=exact) based on 
 similarities and Lengths etc...
 MaxL = string1_length: If string2_length > MaxL Then MaxL = string2_length
 Levenshtein3 = 100 - CLng((distance(string1_length, string2_length) * 100)    
/ MaxL)

End Function

函数Levenshtein3（ByVal string1作为字符串，ByVal string2作为字符串）的长度
尺寸i为长，j为长，string1_长度为长，string2_长度为长
变暗距离（0至60，0至50）为1倍长，smStr1（1至60）为1倍长，smStr2（1至50）为1倍长
50）只要
将最小值1变长，最小值2变长，最小值3变长，最小值变长，最大值变长
string1_长度=Len（string1）：string2_长度=Len（string2）
距离（0，0）=0
对于i=1到string1u长度：距离（i，0）=i:smStr1（i）=
Asc（LCase（Mid$（string1，i，1））：下一个
对于j=1到string2_长度：距离（0，j）=j:smStr2（j）=
Asc（LCase（中期美元）（string2，j，1））：下一个
对于i=1到1的长度
对于j=1至2_长度
如果smStr1（i）=smStr2（j），则
距离（i，j）=距离（i-1，j-1）
其他的
min1=距离（i-1，j）+1
min2=距离（i，j-1）+1
min3=距离（i-1，j-1）+1
如果min2MaxL，则MaxL=string2_长度
Levenshtein3=100-CLng（距离（string1\u长度、string2\u长度）*100）
/最大值）
端函数

我如何使用C3中的查找值并查看整个B列，一旦找到90%以上相似的项目，返回该描述所附的项目

---

在R上的Python中这样做容易吗？

如果这是针对excel工作表中的代码，那么它根本不是VB.NET。在R中，几乎可以肯定CRAN上至少有一个用于此的包。另一方面，没有理由不能在VBA中正确实现它。如果数据在Excel中，并且您希望在Excel中使用它，那么使用VBA是很自然的。您可以循环浏览B列中的每个条目，并在满足条件时返回相邻的A列。考虑您可能希望排除相同的条目；以及您希望如何处理符合条件的多个项目。我将为您的所有

说明

复制

查找

。通过这种方式，您可以查看每个

描述的分数，并手动检查超过某个阈值的分数。R中的
stringdist
包就是这样做的。如果您已经在Excel中，并且您的数据大小可以管理，那么我认为没有必要切换。如果数据足够小，可视检查是可行的，那么在Excel中对您的匹配项进行视觉检查会更容易。stringdist包是用C编写的，这将产生1M行所需的速度：