python - Python如何通过特定列和额外的行循环序列匹配数据帧
问题描述
过去两周我一直在尝试解决这个问题,我几乎达到了目标。
案例: 我正在尝试的整体描述
- 对于这个例子,我从 2 个不同的 excel 表中提取了 2 个数据框让我们说 3x3(DF1 和 DF2)
- 我想将 DF1 中的 Column2 中的单元格与 DF2 中的 Column2 匹配
- 我需要一一匹配单元格
示例:假设我有单元格 X1,我匹配 Y(1,2,3) X1 中的每个单元格与 Y3 最匹配。
- 我想提取 X1 行所在的行和 Y3 行所在的行,并将它们彼此对齐保存在一行中,可能在 3. excel 表中
更新我有什么:
此代码能够与 sequencematcher 匹配并打印匹配,但是我只得到一个输出匹配而不是最大匹配列表:
import pandas as pd
from difflib import SequenceMatcher
data1 = {'Fruit': ['Apple','Pear','mango','Pinapple'],
'nr1': [22000,25000,27000,35000],
'nr2': [1,2,3,4]}
data2 = {'Fruit': ['Apple','Pear','mango','Pinapple'],
'nr1': [22000,25000,27000,35000],
'nr2': [1,2,3,4]}
df1 = pd.DataFrame(data1, columns = ['Fruit', 'nr1', 'nr2'])
df2 = pd.DataFrame(data2, columns = ['nr1','Fruit', 'nr2'])
#Single out specefic columns to match
col1=(df1.iloc[:,[0]])
col2=(df2.iloc[:,[1]])
#function to match 2 values similarity
def similar(a,b):
ratio = SequenceMatcher(None, a, b).ratio()
matches = a, b
return ratio, matches
for i in col1:
print(max(similar(i,j) for j in col2))
输出:(1.0, ('Fruit', 'Fruit'))
我该如何解决,以便它会给我所有的最大匹配项,以及如何提取匹配项所在的相应行?
解决方案
这应该有效:
import pandas as pd
import numpy as np
from difflib import SequenceMatcher
def similar(a, b):
ratio = SequenceMatcher(None, a, b).ratio()
return ratio
data1 = {'Fruit': ['Apple', 'Pear', 'mango', 'Pinapple'],
'nr1': [22000, 25000, 27000, 35000],
'nr2': [1, 2, 3, 4]}
data2 = {'Fruit': ['Apple', 'mango', 'peer', 'Pinapple'],
'nr1': [22000, 25000, 27000, 35000],
'nr2': [1, 2, 3, 4]}
df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)
order = []
for index, row in df1.iterrows():
maxima = [similar(row['Fruit'], j) for j in df2['Fruit']]
best_ratio = max(maxima)
best_row = np.argmax(maxima)
order.append(best_row)
df2 = df2.iloc[order].reset_index()
pd.concat([df1, df2], axis=1)
推荐阅读
- javascript - ReactJs Redux:在决定 redux 状态时(在 map、filter 等函数之后)如何从数组中删除重复的对象(具有重复值)?
- ios - iOS 上的 Firebaseui:无法在自定义的子类登录屏幕上设置背景颜色
- r - 由于最近的日期时间,不等长度的数据帧会导致合并以引入无效值
- javascript - Next JS 给脚本标签添加数据属性
- android - 在Android中使用Dagger将成员字段注入到扩展来自不同android模块的抽象类的类中?
- r - 在 x 和 y 轴上显示数据点的位置
- django - 如何限制非员工用户访问 django-admin
- gitlab - Gitlab 外部维基
- java - 创建一个包含前 x 个快乐数字的数组
- php - 定义常量后的 Session_start()