python两字段模糊匹配_用Python实现同一数据帧中两列的模糊匹配

最新推荐文章于 2024-08-07 14:36:00 发布

weixin_39929096

最新推荐文章于 2024-08-07 14:36:00 发布

阅读量548

点赞数

文章标签： python两字段模糊匹配

本文链接：https://blog.csdn.net/weixin_39929096/article/details/111529781

版权

考虑到一列只在另一端开始一次，您的数据帧结构很奇怪，但是我们可以让它正常工作。让我们为您提供的data获取以下示例数据帧：Company Company name

0 BODYPHLO SPORTIQUE NaN

1 JOSEPH A PERRY NaN

2 PCH RESORT TENNIS SHOP NaN

3 GREYSTONE GOLF CLUB INC. NaN

4 MUSGROVE COUNTRY CLUB NaN

5 CITY OF PELHAM RACQUET CLUB NaN

6 NORTHRIVER YACHT CLUB NaN

7 LAKE FOREST NaN

8 TNL TENNIS PRO SHOP NaN

9 SOUTHERN ATHLETIC CLUB NaN

10 ORANGE BEACH TENNIS CENTER NaN

11 NaN LEWIS TENNIS

12 NaN CHUCKS PRO SHOP AT

13 NaN CHUCK KINYON

14 NaN LAKE COUNTRY RACQUET CLUB

15 NaN SPORTS ACADEMY & RAC CLUB

然后执行匹配：

^{2}$

产量：Company Company name this year \

0 BODYPHLO SPORTIQUE NaN SPORTS ACADEMY & RAC CLUB

1 JOSEPH A PERRY NaN CHUCKS PRO SHOP AT

2 PCH RESORT TENNIS SHOP NaN LEWIS TENNIS

3 GREYSTONE GOLF CLUB INC. NaN LAKE COUNTRY RACQUET CLUB

4 MUSGROVE COUNTRY CLUB NaN LAKE COUNTRY RACQUET CLUB

5 CITY OF PELHAM RACQUET CLUB NaN LAKE COUNTRY RACQUET CLUB

6 NORTHRIVER YACHT CLUB NaN LAKE COUNTRY RACQUET CLUB

7 LAKE FOREST NaN LAKE COUNTRY RACQUET CLUB

8 TNL TENNIS PRO SHOP NaN LEWIS TENNIS

9 SOUTHERN ATHLETIC CLUB NaN SPORTS ACADEMY & RAC CLUB

10 ORANGE BEACH TENNIS CENTER NaN LEWIS TENNIS

match_rating

0 47.0

1 43.0

2 67.0

3 43.0

4 67.0

5 72.0

6 48.0

7 64.0

8 67.0

9 50.0

10 67.0

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

weixin_39929096

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

使用Python完成公司名称和地址的模糊匹配的实现

09-18

在使用Python进行数据处理时，模糊匹配是一项十分重要的技术，特别是在处理公司名称和地址这类非结构化文本数据时尤其有用。模糊匹配可以帮助我们在数据存在拼写错误、格式差异或者不完整信息时，找到最相似的数据项...

两种实现模糊匹配的方法--python

查数菇乐园

09-08

8721

用来处理不完全匹配的数据源与标准数据源提取信息

参与评论您还未登录，请先登录后发表或查看评论

Python中实现模糊匹配的魔法库：FuzzyWuzzy

小詹学python的博客

03-02

1687

在日常开发工作中，经常会遇到这样的一个问题：要对数据中的某个字段进行匹配，但这个字段有可能会有微小的差异。比如同样是招聘岗位的数据，里面省份一栏有的写“广西”，有的写“广西壮族自治区”，甚至还有写“广西省”……为此不得不增加许多代码来处理这些情况。今天跟大家分享FuzzyWuzzy一个简单易用的模糊字符串匹配工具包。让你轻松解决烦恼的匹配问题！1. 前言在处理数据的过程中，难免会遇到下面类似的...

Python excel知识库批量模糊匹配的3种方法实例(fuzzywuzzy\Gensim)

weixin_43041894的博客

07-13

1606

当然，基于排序的模糊匹配（类似于Excel的VLOOKUP函数的模糊匹配模式）也属于模糊匹配的范畴，但那种过于简单，不是本文讨论的范畴。本文主要讨论的是以公司名称或地址为主的字符串的模糊匹配。Gensim支持包括TF-IDF，LSA，LDA，和word2vec在内的多种主题模型算法，支持流式训练，并提供了诸如相似度计算，信息检索等一些常用任务的API接口。语料（Corpus）：一组原始文本的集合，用于无监督地训练文本主题的隐层结构。语料中不需要人工标注的附加信息。

Python实现字符串模糊匹配

归去来兮的博客

04-15

3620

在一个字符串中，有时需对其中某些内容进行模糊匹配以实现条件的判定，如在“你好，hello,world”中判断是否含有“llo”。Python中通过re.search()方法实现，特别地，对于首位起始的内容匹配，也可通过re.match()方法实现。若匹配成功，它们返回一个re.Match对象；若匹配失败，返回None。

Python模糊匹配（excel数据匹配），比vlookup函数精度会高

Miles_WY的博客

05-12

1975

本文使用的为Python语言，做excel数据模糊匹配。 Python模糊匹配是一种字符串匹配的技术，可以用于在文本中查找模式或匹配相似的字符串。

Python进行模糊匹配

Buffalo_soldier的博客

03-02

8472

Mr Chen昨天提出了一个问题一起探讨，问题如下： Python库里有fuzzywuzzy和difflib，两个库均可实现词粒度的模糊匹配，同时可设定模糊阈值，实现关键词的提取、地址匹配、语法检查等。针对fuzzywuzzy的process模块做了下测试，将旧物料描述和新物料描述分别存放不同的文件中。循环新描述中的明细，逐个匹配所有旧描述，得到返回值和匹配度后将结果写入新描述文件的B列和C列。具体实现代码如下： from fuzzywuzzy import process import xlwin

Python实现两个Excel匹配两列相同数据

08-11

Python实现两个Excel匹配两列相同数据：当需要处理两个Excel文件的数据，根据两个Excel的某一些内容进行数据匹配，从而提取出相应的数据时，除了使用Excel自带的Vlookup函数，还能使用Python进行处理。（即匹配两列...

kmp算法-基于Python+kmp算法实现模糊文本字符串匹配.zip

03-22

《Python实现KMP算法：模糊文本字符串匹配》在信息技术领域，字符串匹配是常见的操作，尤其是在文本处理、数据挖掘和搜索引擎优化中。其中，KMP（Knuth-Morris-Pratt）算法是一种高效的字符串匹配算法，它能有效地...

Python实现模糊匹配

10-17

Python实现字符串的模糊匹配，‘?’代表一个字符, ‘*’代表任意多个字符。给一段明确字符比如avdjnd 以及模糊字符比如*dj?dji?ejj，判断二者是否匹配。若能匹配输出”Yes”, 否则输出“No”

使用kmp算法文本字符串的模糊匹配-python实现.zip

03-22

KMP（Knuth-Morris-Pratt）算法是一种在文本字符串中进行模式匹配的经典算法，由Donald Knuth、James H. Morris和 Vaughan Pratt三位科学家于1970年代提出。这个算法避免了在匹配过程中不必要的回溯，显著提高了效率...

python 已知一个字符,在一个list中找出近似值或相似值实现模糊匹配

09-17

今天小编就为大家分享一篇python 已知一个字符,在一个list中找出近似值或相似值实现模糊匹配，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

Python算法模糊匹配：FuzzyWuzzy深度剖析，从入门到精通，解决你所有需要匹配的需求

热门推荐

Lynqwest的博客

11-19

2万+

1. 概述利用python库：fuzzywuzzy及difflib，两个库均可实现词粒度的模糊匹配，同时可设定模糊阈值，实现关键词的提取、地址匹配、语法检查等 2. fuzzywuzzy pip install fuzzywuzzy from fuzzywuzzy import process from fuzzywuzzy import fuzz 2.1 fuzzy模块（1）模糊匹配方法 ratio()——简单匹配，使用纯Levenshtein Distance进行匹配。 parti

python文本模糊匹配

JulyLi2019的博客

01-10

8355

文章目录前言一、difflib是什么？二、代码总结前言因项目需要，待匹配的字符串需要与给出的字符串（以逗号分隔）进行模糊匹配。经过查阅资料，本文采用的是python自带的difflib库。一、difflib是什么？ Difflib作为python的标准库，无需安装，作用是对比文本之间的差异，而且支持输出可读性比较强的HTML文档。本文主要用到库difflib的类SequenceMatcher的quick_ratio()方法，其功能为比较文本的距离，并把结果量化成[0,1]之间，相同的时候返回1，.

python匹配两列数据加标签_基于标签在同一数据帧中查找值并添加到新列（Vlookup）...

05-30

你可以使用 Pandas 包中的 merge() 函数来实现类似于 Excel 中的 Vlookup 功能。具体步骤如下： 1. 加载数据：首先，你需要将两个数据集加载到 Pandas 数据帧中，例如： ``` import pandas as pd df1 = pd.read_csv('data1.csv') df2 = pd.read_csv('data2.csv') ``` 其中，data1.csv 和 data2.csv 是两个包含需要匹配的数据的 CSV 文件。 2. 合并数据：接下来，你可以使用 merge() 函数将两个数据帧根据共同的列进行合并，例如： ``` merged_df = pd.merge(df1, df2, on='column_name') ``` 其中，column_name 是需要匹配的共同列的名称。 3. 添加标签：现在，你可以在合并后的数据帧中添加一个新列，其中包含基于标签查找到的值，例如： ``` merged_df['new_column_name'] = merged_df.apply(lambda row: 'label1' if row['column_name2'] == 'value1' else 'label2', axis=1) ``` 其中，column_name2 是需要在 data2.csv 中查找值的列的名称，value1 是需要匹配的值，label1 和 label2 是你希望添加到新列中的标签。 4. 保存数据：最后，你可以将合并后的数据帧保存到 CSV 文件中，例如： ``` merged_df.to_csv('merged_data.csv', index=False) ``` 其中，merged_data.csv 是保存合并后的数据的文件名。