Levenshtein-distance-Python-UDF作为SQL连接中的模糊匹配代理

我看到一篇论坛帖子，描述了一种用红移创建Python UDF的方法：

有关红移中Python UDF的更多信息：

我通过select public.levenshtein'walk'、'cake'-等函数检查了许多输出，效果非常好

我希望在t1上的两个表之间的联接中使用这个概念进行模糊匹配。first_name+last_name=t2。first_name+last_name

---

是否有人熟悉一个神奇的范围，或者可以从经验中提出一些建议，其中一个记录应该介于两者之间，以被视为可能的匹配？也就是说，最小和最大levenshtein s，t应被视为可能的匹配。

这取决于您的具体情况。当您提供一个训练数据集时，可以将其视为一个简单的机器学习问题—您可以针对数据运行该函数，以查看不同类型对的值，并根据该值设置范围。如果你匹配名字，错误的代价是相当高的，无论是同一个人的假阴性不匹配，还是不同人的假阳性匹配，所以我选择soundex而不是leuvenstein。如果姓氏仅在一个字母上不同，那么对于非常不同的姓氏，AFAIK-Leuvenstein距离将等于一，但这可能是两种情况——姓氏实际上相同，但拼写不同，或者姓氏实际上不同，但差异是一个字母。Soundex更适合区分此类情况。

谢谢；我需要像Levenstein这样的soundex的UDF吗？有关于在Redshift中实现soundex的信息吗？试试我熟悉的fuzzy for Python；有没有办法知道实际创建包的代码？因为我需要它才能在Redshifttry中创建一个用户定义的函数。下载包并作为自定义库上传？哇，我不知道这是可能的