【发布时间】：2019-04-05 19:53:53
【问题描述】：
我在同一个数据框中有两个数据集，每个数据集都显示了一个公司列表。一个数据集来自 2017 年，另一个来自今年。我正在尝试将两个公司数据集相互匹配，并认为模糊匹配（FuzzyWuzzy）是最好的方法。使用部分比率，我想简单地列出具有以下值的列：去年公司的名称、最高模糊匹配率、今年与最高分数相关的公司。原始数据框已被赋予变量“数据”，去年公司名称在“公司”列下，今年公司名称在“公司名称”列下。为了完成这项任务，我尝试使用 extractOne 模糊匹配过程创建一个函数，然后将该函数应用于数据框中的每个值/行。然后我会将结果添加到我的原始数据框中。
下面是代码：
names_array=[]
ratio_array=[]
def match_names(last_year,this_year):
for row in last_year:
x=process.extractOne(row,this_year)
names_array.append(x[0])
ratio_array.append(x[1])
return names_array,ratio_array
#last year company names dataset
last_year=data['Company'].dropna().values
#this year companydataset
this_year=data['Company name'].values
name_match,ratio_match=match_names(last_year,this_year)
data['this_year']=pd.Series(name_match)
data['match_rating']=pd.Series(ratio_match)
data.to_csv("test.csv")
但是，每次我执行这部分代码时，我创建的两个添加列都不会显示在 csv 中。事实上，尽管计算机显示它是最近创建的，但“test.csv”只是与以前相同的数据框。如果有人能指出问题或以任何方式帮助我，将不胜感激。
编辑（数据框预览）：
Company Company name
0 BODYPHLO SPORTIQUE NaN
1 JOSEPH A PERRY NaN
2 PCH RESORT TENNIS SHOP NaN
3 GREYSTONE GOLF CLUB INC. NaN
4 MUSGROVE COUNTRY CLUB NaN
5 CITY OF PELHAM RACQUET CLUB NaN
6 NORTHRIVER YACHT CLUB NaN
7 LAKE FOREST NaN
8 TNL TENNIS PRO SHOP NaN
9 SOUTHERN ATHLETIC CLUB NaN
10 ORANGE BEACH TENNIS CENTER NaN
然后在公司条目（去年公司数据集）结束后，“公司名称”列（今年公司数据集）开始如下：
4168 NaN LEWIS TENNIS
4169 NaN CHUCKS PRO SHOP AT
4170 NaN CHUCK KINYON
4171 NaN LAKE COUNTRY RACQUET CLUB
4172 NaN SPORTS ACADEMY & RAC CLUB
【问题讨论】：
-
能否请您使用
data.head(10)包含数据框的前 10 行左右？
标签： python pandas fuzzywuzzy