Pandas：如何在 2 个不同的数据帧上迭代一个 for 循环？答案

【问题标题】：Pandas: How can I iterate a for loop over 2 different data-frames?Pandas：如何在 2 个不同的数据帧上迭代一个 for 循环？
【发布时间】：2018-03-26 00:56:30
【问题描述】：

我正在尝试计算 2 个数据帧中多行的模糊率：

df1:

id    name
1     Ab Cd E
2     X.Y!Z
3     fgh I

df2:

name_2
abcde
xyz

我想计算 df1.name 和 df2.name_2 中所有值之间的模糊率：

为此，我有代码：

for i in df1['name']:
    for r in df2['name_2']:
        print(fuzz.ratio(i,r))

但我希望最终结果也包含来自 df1 的 ID。理想情况下应该是这样的：

final_df：

id      name        name_2    score
1      Ab Cd E      abcde      50
1      Ab Cd E       xyz        0
2       X.Y!Z       abcde       0
2       X.Y!Z        xyz       60
3       fgh I       abcde       0
3       fgh I        xyz        0

感谢您的帮助！

【问题讨论】：

您可以尝试这样的操作：for i, r in zip(df1['name'], df2['name_2']): ... 这仅适用于您想要的两个数据帧长度相同的情况，但应该适用于您的示例。
谢谢！但是我的第二个数据框只有 2 行，而第一个数据框有 3 行。
@L.MacKenzie 另外我还想要第一个数据帧中的 id。感谢您的帮助！

标签： python pandas for-loop fuzzywuzzy

【解决方案1】：

你可以这样解决你的问题：

创建一个空的DataFrame：

final = pandas.DataFrame({'id': [], 'name': [], 'name_2': [], 'score': []})

遍历插入 id、name 和 score 的两个 DataFrame，并将其连接到最终的 DataFrame：

for id, name in zip(df1['id'], df1['name']):
    for name2 in df2['name_2']:
        tmp = pandas.DateFrame({'id': id, 'name': name, 'name_2': name2, 'score': fuzz.ratio(name, name2)})
    final = pandas.concat([final, tmp], ignore_index=True)

print(final)

可能有一种更清洁、更有效的方法来做到这一点，但我希望这会有所帮助。

【讨论】：

【解决方案2】：

我对lambda函数在pd.apply中的应用不是很了解，但是经过一番SO搜索，我认为这是一个合理的解决方案。

import pandas as pd
from fuzzywuzzy import fuzz

d = [{'id': 1, 'name': 'Ab Cd e'}, {'id': 2, 'name': 'X.Y!Z'}, {'id': 3, 'name': 'fgh I'}] 
df1 = pd.DataFrame(d)
df2 = pd.DataFrame({'name_2': ['abcde', 'xyz']})

这是 pandas 中的交叉连接；需要 tmp df pandas cross join no columns in common

df1['tmp'] = 1
df2['tmp'] = 1

df = pd.merge(df1, df2, on=['tmp'])
df = df.drop('tmp', axis=1)

您可以.apply 函数fuzz.ratio 到df 中的列。 Pandas: How to use apply function to multiple columns

df['fuzz_ratio'] = df.apply(lambda row: fuzz.ratio(row['name'], row['name_2']), axis = 1)

df

我还尝试在 df1 上设置索引，但这导致它被排除在交叉连接的 df 之外。

【讨论】：