模糊匹配列和合并/连接数据框答案

【问题标题】：Fuzzy match columns and merge/join dataframes模糊匹配列和合并/连接数据框
【发布时间】：2020-02-24 16:16:09
【问题描述】：

我正在尝试将 2 个数据帧与多个列合并，每个数据帧基于每个列上的一个列的匹配值。 @Erfan 的这段代码在模糊匹配目标列方面做得很好，但是有没有办法也可以携带其余的列。 https://stackoverflow.com/a/56315491/12802642

数据框

df1 = pd.DataFrame({'Key':['Apple Souce', 'Banana', 'Orange', 'Strawberry', 'John tabel']})
df2 = pd.DataFrame({'Key':['Aple suce', 'Mango', 'Orag','Jon table', 'Straw', 'Bannanna', 'Berry'],
                    'Key23':['1', '2', '3','4', '5', '6', '7'})

来自@Erfan 的匹配函数，如上面链接中所述

def fuzzy_merge(df_1, df_2, key1, key2, threshold=90, limit=2):
"""
df_1 is the left table to join
df_2 is the right table to join
key1 is the key column of the left table
key2 is the key column of the right table
threshold is how close the matches should be to return a match, based on Levenshtein distance
limit is the amount of matches that will get returned, these are sorted high to low
"""
    s = df_2[key2].tolist()

    m = df_1[key1].apply(lambda x: process.extract(x, s, limit=limit))    
    df_1['matches'] = m

    m2 = df_1['matches'].apply(lambda x: ', '.join([i[0] for i in x if i[1] >= threshold]))
    df_1['matches'] = m2

    return df_1

调用函数

df = fuzzy_merge(df1, df2, 'Key', 'Key', threshold=80, limit=1)
df.sort_values(by='Key',ascending=True).reset_index()

结果

index   Key            matches
0       Apple Souce    Aple suce
1       Banana         Bannanna
2       John tabel  
3       Orange  
4       Strawberry     Straw

想要的结果

index   Key            matches       Key23
0       Apple Souce    Aple suce     1
1       Banana         Bannanna      6
2       John tabel                   
3       Orange                       
4       Strawberry     Straw         5

【问题讨论】：

欢迎来到 Stack Overflow！您能否确保您的问题符合How to ask? 准则？具体来说，请提供有关您已经尝试过的内容以及您正在尝试完成的内容的准确信息。
@sophros 谢谢！刚刚更新了帖子。

标签： python pandas merge fuzzywuzzy

【解决方案1】：

对于那些需要它的人。这是我想出的解决方案。
merge = pd.merge(df, df2, left_on=['matches'],right_on=['Key'],how='outer').fillna(0)
从那里您可以删除不必要或重复的列，并获得一个干净的结果，如下所示：
clean = merge.drop(['matches', 'Key_y'], axis=1)

【讨论】：