Python 组内的部分字符串匹配

我的数据包括一个组（区域），然后还提供了一个名称。我正在尝试合并两个数据帧。一个帧小得多，是“映射”数据帧。一个区域内的每个名称都有一行。另一个帧更大，是“实例”数据帧。它有许多行，名称随区域而变化。我希望将映射框架中的信息合并到实例框架中，以便每个实例都具有映射框架为其提供的信息

我研究了Fuzzy包，但没有找到在组（区域列）中实现它的方法，也没有找到如何有效地将它用于包含多个字符串的单元格，并尝试基于这些字符串进行匹配

下面是一个类似的数据样本。合并需要从实例数据框中提取相关信息，以便将其映射到映射数据框

映射数据帧

Area    Name
A   Apple  
A   Orange Strawberry 
A   Blackberry Rasberry 
B   Blackberry 
C   Kiwi  
C   Apple  

Area    Locale
A   Apple Pear Tomato
A   Orange Potato Strawberry Zuccini
A   Blackberry Rasberry 
B   Blackberry Onion
B   Lettuce Blackberry Cucumber 
C   Kiwi Spinach Pineapple
C   Kiwi Potato 
C   Apple Cucumber 
C   Apple Potato 

实例数据帧

Area    Name
A   Apple  
A   Orange Strawberry 
A   Blackberry Rasberry 
B   Blackberry 
C   Kiwi  
C   Apple  

Area    Locale
A   Apple Pear Tomato
A   Orange Potato Strawberry Zuccini
A   Blackberry Rasberry 
B   Blackberry Onion
B   Lettuce Blackberry Cucumber 
C   Kiwi Spinach Pineapple
C   Kiwi Potato 
C   Apple Cucumber 
C   Apple Potato 

目标是得到一个如下所示的框架

数据帧

Area    Locale                                  Name
A   Apple Pear Tomato                   Apple  
A   Orange Potato Strawberry Zuccini    Orange Strawberry 
A   Blackberry Rasberry                 Blackberry Rasberry 
B   Blackberry Onion                    Blackberry 
B   Lettuce Blackberry Cucumber.        Blackberry 
C   Kiwi Spinach Pineapple              Kiwi  
C   Kiwi Potato                         Kiwi  
C   Apple Cucumber                      Apple 
C   Apple Potato                        Apple 

---

使用fuzz和pandas，您可以获得预期的结果

1） 首先收集您的库和数据：

import pandas as pd
from fuzzywuzzy import fuzz
mapping = pd.read_excel('Book1.xlsx', sheet_name='mapping')
instance = pd.read_excel('Book1.xlsx', sheet_name='instance')

2） 创建您所在区域的唯一值列表：

unique_area = instance['Area'].drop_duplicates(keep='first').values.tolist()

3） 创建一个空数据框，并为每个区域运行以下代码：

fuzzed_data = []
for i in unique_area:
    instanceunique = instance[instance['Area'] == i]
    unique_list = mapping[mapping['Area'] == i]['Name'].drop_duplicates(keep='first').values.tolist()
    instance_score = instanceunique[['Locale']]
    for i in unique_list:
        ratiofuzz = []
        for index, row in instance_score.iterrows():
                ratiofuzz.append(fuzz.ratio(row['Locale'], i))
        instance_score[i] = ratiofuzz
    scores = instance_score.drop(['Locale'], axis=1)
    instance_score['mapping'] = scores.idxmax(axis=1)
    instanceunique = pd.merge(instanceunique
                          , instance_score[['Locale', 'mapping']]
                          , how='left'
                          , on=['Locale'])
    fuzzed_data.append(instanceunique)

4） 连接“模糊”数据：

就这样！ 如果你需要更多的帮助，请告诉我。

---

BR

感谢您的回复。在运行代码之后，我得到了错误“值的长度与索引的长度不匹配”，我已经尝试过了，它在我这方面起到了作用，与上面给出的示例相同。也许你没有使用相同的数据？另外，请注意最后一部分（pd.concat）在循环之外。您解决了吗？你最后用我的答案了吗？如果我能进一步帮助你，请告诉我！