如何使用 difflib 在列中查找相似的行？答案

【问题标题】：How to find similar rows in columns with difflib?如何使用 difflib 在列中查找相似的行？
【发布时间】：2017-10-12 23:29:57
【问题描述】：

请，我有两个包含公司名称列的 CSV 文件。使用 Python3 和 pandas 我进行了合并以比较名称：

compara1 = pd.merge(
    dividas_dep, funrural,
    left_on='Nome_Devedor',
    right_on='Razao_Social')

找到七行，列相等。但是这些文件的公司名称并不总是在某些文件中正确键入。示例：

AGROPECUARIA INDIANA LTDA
AGROPECUARIA INDINA LTDA

AGROTRI AGROPECUARIA TRIANGULO LTDA
AGROTRI AGROPECUARI TRIANGULO LTDA

所以合并在 Python 中找不到相似的值

然后我使用了 difflib：

from difflib import SequenceMatcher

def similar(a, b):
    threshold = 0.8
    return (SequenceMatcher(None, a, b).ratio() > threshold)


for i, row in dividas_dep.iterrows():
    a = (row['Nome_Devedor'])
    for i, row in funrural.iterrows():
        b = (row['Razao_Social'])
        similar(a, b)

处理了大约 5 分钟，但没有返回任何内容。有什么问题吗？

【问题讨论】：

标签： python

【解决方案1】：

我认为它只需要显示结果，我现在意识到：

def similar(a, b):
    threshold = 0.8
    s = SequenceMatcher(None, a, b).ratio() > threshold
    print(s)
    return s


for i, row in dividas_dep.iterrows():
    a = (row['Nome_Devedor'])
    for i, row in funrural.iterrows():
        b = (row['Razao_Social'])
        similar(a, b)
        print(a)
        print(b)
        print("-/-")

【讨论】：