基于部分匹配的国家名称连接两个数据框答案

【问题标题】：Joining two dataframes based on partially matching country names基于部分匹配的国家名称连接两个数据框
【发布时间】：2021-08-22 22:07:12
【问题描述】：

目前，我有两个如下所示的数据框：

DF1：

Date	Country	A	B	C
01/01/2020	The United States	0	1	5
01/02/2020	The United States	2	5	0
01/03/2020	The United States	1	4	1
...	...	...	...	...
01/01/2020	Republic of Korea	2	3	7
01/02/2020	Republic of Korea	4	5	6

和 DF2：

Date	Country	D
01/01/2020	United States of America	9.0
01/02/2020	United States of America	9.1
01/03/2020	United States of America	9.4
...	...	...
01/01/2020	South Korea	2.1
01/02/2020	South Korea	2.5

我想将它们合并到 'Country' 和 'Date_reported' 但它们用于每个国家/地区的名称可能完全不同。我已经研究了fuzzywuzzy 和其他一些软件包，但我找不到一个可以让我完全按照我想要的方式进行合并的命令。我希望最终得到以下数据框（使用 DF1 的国家/地区名称）：

Date	Country	A	B	C	D
01/01/2020	The United States	0	1	5	9.0
01/02/2020	The United States	2	5	0	9.1
01/03/2020	The United States	1	4	1	9.4
...	...	...	...	...	...
01/01/2020	Republic of Korea	2	3	7	2.1
01/02/2020	Republic of Korea	4	5	6	2.5

有没有一种不需要我手动切换所有 DF2 国家/地区名称的有效方法？感谢您在这个主题上给我的任何帮助。

【问题讨论】：

标签： python pandas dataframe merge fuzzywuzzy

【解决方案1】：

您可以尝试fuzzymatcher，但请记住，它可能不适用于所有情况。

# pip install fuzzymatcher
from fuzzymatcher import link_table, fuzzy_left_join

merge_df = fuzzy_left_join(df, df1, ["Country", "Date"], ["Country", "Date"])
merge_df = merge_df[["Date_left", "Country_left", "A", "B", "C", "D"]]

    Date_left   Country_left        A   B   C   D
0   01/01/2020  The United States   0   1   5   9.0
3   01/02/2020  The United States   2   5   0   9.1
4   01/03/2020  The United States   1   4   1   9.4
5   01/01/2020  Republic of Korea   2   3   7   2.1
10  01/02/2020  Republic of Korea   4   5   6   2.5

【讨论】：

【解决方案2】：

您可以创建一个在 df1 中但不在 df2 中的国家/地区列表，如下所示：

new_list=[]
for country in df1.country.tolist():
    if country not in df2.country.tolist():
        new_list.append(country)
        
new_list

因此，您需要在df2中更改国家/地区名称。您可以通过使用 new_list 中存在的国家/地区创建字典来做到这一点。

dict={"United States of America":"The United States","Republic of Korea","South Korea"}
df2["Country"].replace(dict, inplace=True)

【讨论】：