0

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？

4

1 回答 1

0

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)
于 2020-06-03T10:41:22.290 回答