从 R 到 Python 的字符串模糊匹配

Question

我正在尝试对 R 和 Python 使用字符串模糊匹配。 我实际上使用了两个包：

1. stringdist 来自 R
2. fuzzywuzzy 来自 Python

当我在 R 上尝试amatch("PARI", c("HELLO", "WORLD"), maxDist = 2) 时，我得到NA 结果，这很直观。 但是当我用 Python 尝试同样的事情时：process.extract("PARI", ["HELLO", "WORLD"], limit = 2)，我得到了[('world', 22), ('HELLO', 0)]

谁能告诉我为什么我有一个 22 作为 "PARI" 和 "WORLD" 之间的比率匹配？ 我怎样才能得到与 R 相同的结果？ 提前致谢

Answer 1

这里的问题是limit = 2 明确表示无论分数如何，您都需要 2 个结果，而在 R 中，您指定仅当字符串彼此非常接近时才需要结果。这里的分数是衡量单词相似程度的 0 到 100。你可以看到PARI 和world 都有R 作为它们的第三个字母，这就是为什么你得到一个非零分数，但它仍然不是一个很好的分数。