Python 如何在近似字符串上合并？

我想将大约国家/地区名称上的2个数据框合并到，但我得到以下错误：

TypeError:“非类型”对象不可调用

请参见下面的说明性代码：

cl =  {'Country' : ["Brazil", "US", "Russia"], 'BL?':['No', 'No','Yes']}
clist = pd.DataFrame.from_dict(cl)

cd = {'Country' : ["Braizl", "us", "Rusia"]}
cdata  = pd.DataFrame.from_dict(cd)

clist = clist.sort_values('Country')
cdata = cdata.sort_values('Country')


cdata = pd.merge_asof(cdata,clist,on='Country')  

预期结果将合并两个dfs，cdata df的“BL”列将包含YES/NO值

---

提前谢谢你

根据你的例子，我找到了一个解决方案。这不是很像蟒蛇，但很管用！（假设您在

clist

中为每个

cdata

错售国家/地区提供了匹配的国家/地区名称）

我正在使用库来计算levenshtein距离。 您可以使用pip安装它：

pip install editdistance

---

这应该会让你接近，但它不会100%准确。你可以用<代码>模糊模糊模糊使用Levenshtein距离计算两个字符串之间的差值：

from fuzzywuzzy import process

# create a choice list
choices = clist['Country'].values.tolist()

# apply fuzzywuzzy to each row using lambda expression
cdata['Close Country'] = cdata['Country'].apply(lambda x: process.extractOne(x, choices)[0])

# merge
cdata.merge(clist, left_on='Close Country', right_on='Country')


  Country_x Close Country Country_y  BL?
0    Braizl        Brazil    Brazil   No
1     Rusia        Russia    Russia  Yes
2        us            US        US   No

您甚至可以返回匹配百分比，如果只想保持匹配值大于85%，则只需保持值>n

添加匹配百分比 可以在合并之前执行布尔索引，以删除不匹配项，然后进行合并：

cdata[['Close Country', 'Percent Match']] = cdata['Close Country'].apply(pd.Series)
cdata = cdata[cdata['Percent Match']>85]

也可以在合并后执行此操作：

merge = cdata.merge(clist, left_on='Close Country', right_on='Country')
merge[merge['Percent Match'] > 85]

---

fuzzyfuzzy

返回匹配百分比，作为

过程的一部分

函数。在第一个示例中，我通过调用元组的第一个元素删除了它：

process.extractOne（x，choices）[0]

inplace=True

使排序值返回

None

，因为您指定了在placetrue中执行排序的方法，我得到一个非类型对象，在删除InPlace后现在不可调用我编辑了代码我认为

merge\u asof

只适用于整数。如果你不想找到一个字符串与另一个字符串最近的距离，你可以使用levenshtein距离，但我不知道Pandas库中有任何实现。我如何将其应用于两个dict？应该有两个。你能发布你的代码吗？太棒了！非常感谢你！如何返回%match？@TPguru您想将其作为新列吗？是的，将从FuzzyFuzzy导入过程中的

替换为从rapidfuzz导入过程中的
。您将看到在相同的结果下执行时间的大幅改进
from fuzzywuzzy import process

# create a choice list
choices = clist['Country'].values.tolist()

# apply fuzzywuzzy to each row using lambda expression
cdata['Close Country'] = cdata['Country'].apply(lambda x: process.extractOne(x, choices))

# add percent match wiht apply
cdata[['Close Country', 'Percent Match']] = cdata['Close Country'].apply(pd.Series)

# merge
cdata.merge(clist, left_on='Close Country', right_on='Country')

  Country_x Close Country  Percent Match Country_y  BL?
0    Braizl        Brazil             83    Brazil   No
1     Rusia        Russia             91    Russia  Yes
2        us            US            100        US   No

cdata[['Close Country', 'Percent Match']] = cdata['Close Country'].apply(pd.Series)
cdata = cdata[cdata['Percent Match']>85]

merge = cdata.merge(clist, left_on='Close Country', right_on='Country')
merge[merge['Percent Match'] > 85]