使用部分字符串匹配在两个数据帧之间映射/压缩

Question

我有两个数据帧，每个数据帧大约有1000000行。两者共享一个公共的“Address”列，我正在使用该列连接数据帧。使用这个连接，我希望将信息从dataframe1移动到dataframe2，我称之为“details”。你知道吗

df2.details = df2.Address.map(dict(zip(df1.Address,df1.details)))

但是，address列并没有表现出完全的公共性。我尽可能地清理，但仍然只能移动大约40%的数据。有没有办法修改我上面的代码以允许部分匹配？我完全被这个难住了。你知道吗

数据非常简单。两个小数据帧。制作的样本数据如下：

df1 
Address                                    Details
Apt 15 A, Long Street, Fake town, US       A   


df2
Address                                    Details
15A, Long Street, Fake town, U.S.              

Answer 1

首先，我建议执行join操作并识别每个数据帧中不完全匹配的行。确定这些行后，请排除其他行，并继续执行以下建议：

• 一种方法是解析地址并尝试标准化 他们。你可以试着用 usaddress模块到 标准化你的地址。

• 您也可以尝试在回答this question时推荐的方法， 尽管他们可能会为你的案子做一些调整。很难说 没有多个部分字符串匹配的示例。

• 另一种方法是使用googlemapsapi（或Bing或API） MapQuest）进行地址标准化，尽管有超过百万行 每一个数据帧，你将远远超出剥离免费的API调用/天和 需要支付服务费。

• 最后一个建议是使用 fuzzywuzzy 模糊（近似）字符串匹配模块。