提问人：ss_0708 提问时间：4/20/2023 最后编辑：ss_0708 更新时间：4/21/2023 访问量：325
对数据框中同一列中的模糊匹配项进行分组
Grouping fuzzy matches within same column in a data frame
问：
我正在尝试基于模糊匹配（在同一列内）对公司名称的相似名称进行分组。 但是它们既没有正确分组，我也没有在生成的数据集中拥有相同数量的行。由于一对多匹配，行数比原始数据中的行数多。
包含更多记录的输入文件示例
- **法典**
df.loc[:,'Account Name Copy'] = df['Account Name']
compare = pd.MultiIndex.from_product([df['Account Name'],
df['Account Name Copy']]).to_series()
def metrics(tup):
return pd.Series([fuzz.ratio(*tup),
fuzz.token_sort_ratio(*tup)],
['ratio', 'token'])
compare.apply(metrics)
电流输出
P.S. 最终输出中的行数应与原始数据中的行数相同，并对相似的公司名称进行分组。
所需输出
参考了以下主题，但没有获得所需的输出
https://stackoverflow.com/questions/71427827/fuzzy-matching-and-grouping
https://stackoverflow.com/questions/60987641/check-if-there-is-a-similar-string-in-the-same-column
https://stackoverflow.com/questions/62085777/fuzzy-match-within-the-same-column-python
请帮忙！！
答：
0赞
Timeless
4/20/2023
#1
这是一个幼稚的方法，它（可能？）导致你的预期输出。partial_ratio
from itertools import product
from fuzzywuzzy import fuzz
df = pd.read_excel("file.xlsx")
RATIO = 80 # <-- adjust the ratio here
tups = list(product(df["Account Name"].unique(),
df["Account Name"].str.split(r"[-\s]").str[0].unique()))
matches = [(pair[1].title(), pair[0]) for pair in tuples_list
if fuzz.partial_ratio(pair[1].lower(), pair[0].lower()) >= RATIO]
out = pd.DataFrame(index=pd.MultiIndex.from_tuples(set(matches),
names=["Grouped", "Account Name"])).sort_index()
输出：
评论
0赞
ss_0708
4/20/2023
感谢您的帮助，但它似乎没有产生预期的输出，因为即使根据第一个字母，它也有许多行进行分组，例如 AB 中国人寿保险、ABC 中国金融科技、ABC 中国金融等也被归类为“A”，我对任何其他平台或工具（如 alteryx）持开放态度， VBA，Visual Studio，如果在这种情况下有帮助
0赞
Timeless
4/20/2023
哎呀！但正如您可能知道的那样，我根据给定的示例制作了代码，在这个示例中，我找不到您在评论中提到的名称。无论如何，祝你好运;)
0赞
ss_0708
4/21/2023
对不起 - 但这是一个巨大的数据，我已经编辑了问题以包含很少的此类记录。请查看..
评论