Python 什么'；这是使用fuzzyfuzzy将列的每个值与单独数据帧的所有值进行比较的最佳方法；谁的专栏？

这件事真的很棘手。假设我有两个数据帧，一个有水果，另一个有水果糖果。每个数据帧中都有大量其他数据。看起来是这样的：

fruit: 

   fruitId  fruitName
0     1     banana
1     2     orange
2     3     apple
3     4     pear
4     5     lemon

candy:

   candyId  candyName         fruitId
0     1     Orange Julius     null
1     2     Bananarama        null
2     3     Sour Lemon Drops  null
3     4     Chocolate Bar     null
4     5     Applicious        null

我需要将

candyName

与适当的水果匹配，然后将相应的

routinid

放入

candy

数据框中的

routinid

列中。为了我的目的，让我们假设

.contains

根本不起作用；在

candyName

列中有太多创造性的拼写和明显的拼写错误

我试图定义一个使用fuzzyfuzzy的函数，然后在

.map

中使用它，但我无法让该函数工作。它需要检查第一个df的每个值，看看它是否在第二个df中，然后移动到下一个值，等等。我最终构建的函数一直希望在（a）在同一数据帧中，或者（b）在同一行中进行比较

我确实找到了一个解决方案，但它很难看，因为它使用了您不应该使用的ItErrors（）。这是：

将熊猫作为pd导入
从fuzzyfuzzy导入fuzz
candy_文件='candy.csv'
水果文件='fruits.csv'
candy=pd.read\u csv（candy\u文件）
水果=pd.read\u csv（水果文件）
dict={}
对于我来说，在candy中第1行。iterrows（）
对于j，水果中的第2行。iterrows（）：
如果fuzz.partial_比率（第1行['candyName']，第2行['FrootName']）>=80：
dict[row1['candyName']=row2['fruitId']
糖果['FROUTID']=糖果['candyName'].地图（dict）

这需要永远。比如，10分钟就可以穿过500排。有更好的方法吗？我已经编写了上百个不同的代码片段，以获得更快的函数，而不会有任何进展

---

谢谢

它很慢，因为您当前正在O（N^2）中工作

与其使用ItErrors，不如使用字典进行迭代。这可以通过以下方式完成：

candydict = candy.to_dict{}
fruitdict = fruit.to_dict{}

for k,v in candydict.items():
   for k2,v2 in fruitdict.items():
      #do the rest of your comparisons here

---

这会大大加快速度。

太好了，谢谢！那么，我该如何引用这些列呢

v['candyName']

抛出KeyError.k，v代表键和值，所以'candyName'将是k的一个。如果你需要更多的澄清，请告诉我！非常感谢你迄今为止的帮助。如果我做了

k['candyName']

我得到

TypeError:字符串索引必须是整数

。我错过了什么？我知道了。我不得不在candydict['candyName']中使用

表示k，v。items（）

。再次感谢！