0

假设我有 2 个 excel 文件，每个文件都包含一列名称和日期

Excel 1：

Name
0      Bla bla bla June 04 2018 
1      Puppy Dog June 01 2017
2      Donald Duck February 24 2017
3      Bruno Venus April 24 2019

Excel 2：

                             Name
0        Pluto Feb 09 2019
1        Donald Glover Feb 22 2020
2        Dog Feb 22 2020
3        Bla Bla Feb 22 2020

我想将第 1 列中的每个单元格与第 2 列中的每个单元格匹配，然后找到最大的相似性。

以下函数将给出两个输入相互匹配的百分比值。

SequenceMatcher 代码示例：

from difflib import SequenceMatcher

def similar(a, b):
    return SequenceMatcher(None, a, b).ratio()


x = "Adam Clausen a Feb 09 2019"
y = "Adam Clausen Feb 08 2019"
print(similar(x,y))

输出：0.92

4

2 回答 2

1

如果您知道如何将列加载为数据框..这段代码应该可以完成您的工作..

from difflib import SequenceMatcher

col_1 = ['potato','tomato', 'apple']
col_2 = ['tomatoe','potatao','appel']

def similar(a,b):
    ratio = SequenceMatcher(None, a, b).ratio()
    matches = a, b
    return ratio, matches

for i in col_1:
    print(max(similar(i,j) for j in col_2))
于 2020-06-02T11:02:05.107 回答
0

更新/解决的部分

以下代码可以：

  • 它需要 2 个输入文件并将它们转换为数据帧
  • 然后它将获取一个特定的列（在这种情况下，它们都称为名称）并将其用作匹配输入
  • 它取文件 1 中的一个名称，并贯穿文件 2 中的所有名称
  • 然后，它采用具有最高匹配的名称并保存它们各自的行并将它们彼此相邻地保存在输出文件中

代码：

import pandas as pd
import numpy as np
from difflib import SequenceMatcher

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

#Load Batchlog to Data frame

data1 = pd.read_excel (r'File1.xlsx')
data2 = pd.read_excel (r'File2.xlsx')

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)

df1['Name'] = df1['Name'].astype(str)
df2['Name'] = df2['Name'].astype(str)

#Function/LOOP
order = []
for index, row in df1.iterrows():
    maxima = [similar(row['Name'], j) for j in df2['Name']]

#best_Ratio=Best Match
    best_ratio = max(maxima)
    best_row = np.argmax(maxima)

#Rearrange new order and save in Output File
    order.append(best_row)

df2 = df2.iloc[order].reset_index()

pd.concat([df1, df2], axis=1)

dfFinal=pd.concat([df1, df2], axis=1)

dfFinal.to_excel("OUTPUT.xlsx")  
#Thank you for the help!
于 2020-06-30T12:08:08.193 回答