python - 如何对字符串的相似度进行分组和求和

Question

我想对数据框进行分组和求和。标准 groupby 函数将行中完全相同的字符串分组在一起，但我需要在类似的字符串上完成此操作。例如-:

United States | 10  
Germnay | 23  
Unaited Staetes | 20   
Germany | 21  
Germanny | 32  
Uniited Staites | 30 

结果应该是 -:

United States 60  
Germnay 76

名称的顺序并不那么重要。这些值的总和是。

非常感谢:)

编辑:

也许创建一个 ID 列来为相似的国家/地区提供相同的 ID 会更简单。然后我就可以对此进行分组。

Answer 1

不是解决方案，而是一种技巧，如果您正在做一些快速而肮脏的事情，可能会有所帮助

1. 小写国家/地区名称
2. 删除国家/地区名称中的元音
3. 删除连续出现的辅音

以这种方式转换数据后，您可以使用普通的 groupby 并且它应该工作得很好。

我建议这样做，因为您的数据似乎是用户输入的国家/地区名称。

<小时/>

另一个想法:

预处理步骤:

1. 使用经过国家/地区名称训练的拼写校正器从错误的拼写中猜测国家/地区名称 ( https://norvig.com/spell-correct.html )
2. 使用它来转换每一行数据。

然后使用groupby进行分组。