我是编程新手。我有一个 pandas 数据框,其中有两个字符串列。
数据框如下:
Col-1 Col-2
Update have a account
Account account summary
AccountDTH Cancel
Balance Balance Summary
Credit Card Update credit card
这里我需要检查 Col-2 元素与 Col-1 的每个元素的相似性。
这意味着我必须将 have a account
与 Col-1
的所有元素进行比较。
然后找到前3个相似的。假设相似度分数是:Account(85),AccountDTH(80),Balance(60),Update(45),Credit Card(35)
。
预期输出是:
Col-2 Output
have a account Account(85),AccountDTH(80),Balance(60)
最佳答案
您可以使用类似 fuzzywuzzy
的 Python 库在这里,它支持这种类型的任务:
from fuzzywuzzy import process
df.assign(Output=[process.extract(i, df['Col-1'], limit=3) for i in df['Col-2']])
使用 process
方法,我们可以得到字符串相似度分数,然后选择前 3 个,如果 3 个存在:
以上代码的输出:
Col-1 Col-2 Output
0 Update have a account [(Account, 90, 1), (AccountDTH, 64, 2), (Update, 40, 0)]
1 Account account summary [(Account, 90, 1), (AccountDTH, 63, 2), (Credit Card, 38, 4)]
2 AccountDTH Cancel [(Balance, 62, 3), (Credit Card, 43, 4), (Update, 33, 0)]
3 Balance Balance Summary [(Balance, 90, 3), (Credit Card, 38, 4), (Update, 30, 0)]
4 Credit Card Update credit card [(Update, 90, 0), (Credit Card, 90, 4), (AccountDTH, 27, 2)]
为了加快比较速度(它本身使用 Python 的序列匹配器),我建议安装 python-Levenshtein
关于python - 查找 DataFrame 的两个字符串列之间的相似性,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51934474/