我有两个df和两个字符串列,如下所示:
Df1:原始df有2000行名称
Id Name
1 Paper
2 Paper
3 Scissors
4 Mat
5 Cat
6 Cat
第二个测向:原始测向有1000多个项目名称
^{pr2}$我需要列Name
中的字符串,它们位于列项名称中
第一种方法:使用str.contains
:
我知道如何匹配字符串,如果它们是一列和要匹配的两个字符串,如下所示:
df[df['Name'].str.contains("paper|cat", na=False)]
但是当有两列字符串(name&Item_name)要匹配时该怎么办?在
第二种方法:Fuzzywuzzy
matched = []
for row in df1.index:
name = df1.get_value(row,"Name")
for columns in df2.index:
item_name=df2.get_value(columns,"Item_Name")
matched_token=fuzz.token_sort_ratio(name,item_name)
if matched_token> 80:
matched.append([name,item_name,matched_token])
问题是,它会很慢,而且我想要的输出是从fuzzyfuzzy得到的。输出如下:
Id Name Item_ID
1 Paper 1,2,3
2 Paper 1,2,3
3 Scissors NA
4 Mat NA
5 Cat 4
6 Cat 4
总结:
输出:
^{pr2}$您可以将^{} 与自定义函数一起使用:
您可以通过以下方法提高效率:
df1['Name']
中的唯一项:apply
是一个行循环。在pd.Series.apply
。两者都是Python级别的循环,但是列表理解通常比Pandasstr
方法的性能要好。在但上述方法并不能提高算法的复杂度。为了更好地改进数量级,您应该考虑基于trie的算法,例如利用Aho–Corasick algorithm的this answer。在
您可以在这里使用
df.apply
输出:
^{pr2}$相信这会给你想要的结果
相关问题 更多 >
编程相关推荐