Python 计算未分类和未知名称

我有一份大约10万人的名单。这些是人的名字、公司的名字等。这些名字可以是完全匹配的，也可以在某些方面有所不同。我也有地址，但地址可能错误或不存在。我需要收集和计算每个名字进行分析。这是一个示例集

Bank America, N.A
BOA
Bank f Amerca
America Bank
Wells Fargo Bank
Wells Fargo
Wells Fargo, N.A
Fargo Bank

对于

美国银行

，计数为三，因为

美国银行

有所不同。对于

富国银行

而言，计数将为三，因为

富国银行

有所不同

编辑：

另一种选择是使用模糊匹配，而不是使用机器学习。我看过difflib和fuzzyfuzzy库，但问题是我没有参考列表；逻辑本身必须找出参考（这就是为什么我认为机器学习是答案）

作为练习，这里是第二个数据示例

John Smith - First instance found, therefore, this is labeled as ID 1
Chase Bank - First instance found, this is labeled as ID 2
John J. Smith - Similar to John Smith, therefore, this is labeled as ID 1
BOA - First instance found, this is labeled as ID 3
Bank of America - Not similar to BOA, therefore labeled as ID 4 (Technically this is BOA but the system will not know this at first)
BOA, N.A. - Similar to BOA, therefore labeled as ID 3

现在让我们来看一下美国银行和美国银行。程序如何知道这些是相同的？不会的，所以我需要回来指出

BOA

和

bankofamerica

是相同的。如果我们走机器学习路线，我可以创建一个新字段并手动指示

BOA

和

bankofamerica

是相同的，然后再次重试该过程以获得更好的结果。但是假设我们想走简单的路线，而不是这样做，有没有python库可以帮助我

---

我更需要一个好的起点，而不是实际的代码。

我仍然想尝试机器学习，但我已经创建了一个Python解决方案，我将使用FuzzyWzzy实现它

我将根据DB中的循环生成一个动态引用列表。因此，对于循环1，我将为该文本创建一个唯一的ID。这将存储在一个表中。在循环2中，我将查看新表中的记录并尝试匹配它，如果存在匹配项，则相同的ID将分配给下一条记录。如果未找到任何内容，则文本将以新的唯一ID添加到新表中。等等这种方法避免了机器学习，对于当前的一组需求来说可能已经足够好了

编辑： 我正在添加一个附加表，因此这些表将如下所示

Table 1 = Unprocessed Source Data
Table 2 = Unique Names
Table 3 = All derivations of Unique Names

我还得到了一个唯一的列表来开始最常见的名字，并将其添加到表2和表3中。这只是一个起点