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...

我正在尝试通过PySpark对某些数据进行一些模糊匹配。为此，我正在使用该包并在 Databricks 上运行它。fuzzywuzzy 我的数据集非常简单。它存储在 CSV 文件中，包含两列：Nam...

我正在尝试根据特定列在数据帧中查找“相似”行。例如，假设我们有这个数据—— +---+------+ | id| fruit| +---+------+ | 1| apple| | 2| appl|...

我在BigQuery中加载了一个用于比较名称字符串的Levenshtein UDF，并考虑其他算法，例如Double Metaphone。我不确定是否/如何在 BQ 中加载 DM 算法，也没有找到太多...