同一列内的模糊匹配 - Python

Question

问题：我在一列中有记录，例如。 Bulambuli和Bulambuli区基本相同。

解决方案：我试图在同一列中搜索一种模糊匹配，发现 -Pandas replace strings with fuzzy match in the same column:

import difflib 
import pandas as pd
df = pd.DataFrame({'district' : pd.Series(['Bulambuli', 'Kampla', 'Uttah' ,'Bulambuli district'])})
names = df['district']
def fuzzy_replace(x, names):
    aliases = difflib.get_close_matches(x, names)
    closest = pd.Series(aliases).mode()
    closest = aliases[0] if closest.empty else closest[0]
    df['district'].replace(aliases, closest, True)
df["district"].apply(lambda x: fuzzy_replace(x, df['district']))

结果：

你有过类似的问题吗？你会建议我如何处理它？

Answer 1

输入：

df = pd.DataFrame({'district' : pd.Series(['Bulambuli', 'Kampla', 'Uttah', 'Bulambuli district'])})
df
    district
0   Bulambuli
1   Kampla
2   Uttah
3   Bulambuli district

只返回最接近的：

def fuzzy_replace(x, names):
    aliases = difflib.get_close_matches(x, names)
    closest = pd.Series(aliases).mode()
    closest = aliases[0] if closest.empty else closest[0]
    return closest

df["district"].apply(lambda x: fuzzy_replace(x, df['district']))

输出：

0    Bulambuli
1       Kampla
2        Uttah
3    Bulambuli

函数返回字符串Bulambuli，因为它与df中的Bulambuli district最相似。