基于另一DataFrame列修正DataFrame列值的Python问题

merge是精确匹配，无法处理拼写错误、大小写差异或部分匹配的场景，所以得用模糊字符串匹配来实现需求。这里推荐用fuzzywuzzy库（基于Levenshtein距离计算字符串相似度），具体步骤如下：

1. 安装依赖库 #

如果还没安装fuzzywuzzy，先执行：

pip install fuzzywuzzy python-Levenshtein

python-Levenshtein是可选依赖，能提升匹配速度。

2. 具体实现代码 #

import pandas as pd
from fuzzywuzzy import process

# 原始数据
df1 = pd.DataFrame({'col1': ['apple', 'banana', 'cherry', 'apple', 'cherry']})
df2 = pd.DataFrame({'col1': ['app Banana', 'Cherry', 'banana', 'apple', 'bnapple', 'apple ch']})

# 提取df1中的唯一正确名称（去重后作为匹配候选）
valid_names = df1['col1'].unique().tolist()

# 定义匹配函数：对每个输入字符串，返回候选列表中相似度最高的名称
def match_correct_name(s):
    # process.extractOne返回(匹配到的名称, 相似度得分)，取第一个元素
    return process.extractOne(s, valid_names)[0]

# 应用函数修正df2的col1
df2['col1'] = df2['col1'].apply(match_correct_name)

print(df2)

3. 结果验证 #

运行后输出的df2与预期一致：

col1
0   banana
1   cherry
2   banana
3    apple
4    apple
5    apple

补充说明 #

• 如果需要调整匹配严格程度，可在process.extractOne中添加score_cutoff参数，比如score_cutoff=80，只有相似度≥80的才会匹配，否则返回None（需额外处理）。
• fuzzywuzzy默认忽略大小写差异，无需额外转换字符串格式。

内容的提问来源于stack exchange，提问作者Kush