Python实现CSV球队名称模糊匹配时全为TRUE的问题排查

核心问题分析 #

你的脚本返回全TRUE是由多个逻辑错误和变量问题导致的：

• 参数与变量混乱：函数is_similarity_above_threshold参数冗余，且循环变量name与函数参数name重名，直接覆盖了目标匹配名称；同时调用函数时使用了未定义的second_team_names变量。
• 逻辑倒置：原函数错误地遍历了未定义集合，而非遍历参考球队名称逐一计算相似度。
• 集合传入错误：将unique_team_names集合直接传给fuzz.partial_ratio时，集合会被转为字符串（如"{'manchester united', ...}"），这种字符串与任意球队名称计算相似度时，极易误判为高匹配度，导致全TRUE。

修复后的代码 #

import pandas as pd
from fuzzywuzzy import fuzz

# 文件路径
reference_file_path = r'C:\Users\pes TEAM DEF\PES TEAM 2021 A.csv'
second_file_path = r'C:\Users\pes TEAM DEF\PES TEAM 2022 A.csv'

# 读取CSV文件
df_reference = pd.read_csv(reference_file_path)
df_second = pd.read_csv(second_file_path)

# 提取参考球队名称（转为小写+列表，方便遍历匹配）
unique_team_names = df_reference['2021Name'].str.lower().tolist()

# 修正匹配逻辑：检查当前名称是否与任意参考名称的部分相似度超过阈值
def is_similar(name, reference_names, threshold):
    return any(fuzz.partial_ratio(name, ref_name) > threshold for ref_name in reference_names)

# 生成匹配结果列
df_second['PartialMatch'] = df_second['2022Name'].str.lower().apply(
    lambda x: is_similar(x, unique_team_names, 70)
)

# 输出结果文件
output_path = "C:/Users/Downloads/pes TEAM DEF/output/abcd.csv" 
df_second.to_csv(output_path, index=False, encoding='utf-8-sig')

关键修复点 #

1. 简化函数逻辑，移除冗余参数，确保遍历参考名称列表逐一计算相似度。
2. 将集合转为列表，避免集合转字符串导致的错误匹配。
3. 修复未定义变量问题，传入正确的参考名称列表。
4. 修正变量重名问题，避免目标匹配名称被覆盖。

内容的提问来源于stack exchange，提问作者Musk Long