如何优化代码实现仅同一国家代码组内的公司名称模糊匹配

我完全懂你的痛点——当前的代码会把dfA的每个公司和dfB里所有公司做匹配，哪怕国家代码完全不同，很容易出现跨国家的错误匹配结果。下面是针对性的改进方案，核心是先按国家代码分组，只在同组内做模糊匹配，既精准又能提升效率。

先看完整的改进代码 #

首先我们先构造示例数据（方便你直接测试），然后给出匹配逻辑：

import pandas as pd
from fuzzywuzzy import process, fuzz

# 构造你的示例数据
dfA = pd.DataFrame({
    "Company": ["CompanyA", "CompanyB", "CompanyC", "CompanyD"],
    "Country Code": ["IT", "DE", "DE", "SE"]
})

dfB = pd.DataFrame({
    "Company": ["Company A", "Company B", "Company C", "Company D"],
    "Country Code": ["IT", "DE", "DE", "SE"]
})

# 关键预处理：把dfB按国家代码分组，转成字典（键=国家代码，值=对应公司列表）
country_company_map = dfB.groupby("Country Code")["Company"].apply(list).to_dict()

actual_name = []
similarity = []

# 遍历dfA的每一行，只匹配同国家的公司
for _, row in dfA.iterrows():
    current_company = row["Company"]
    current_country = row["Country Code"]
    
    # 获取当前国家对应的所有dfB公司
    target_companies = country_company_map.get(current_country, [])
    
    if target_companies:
        # 仅在同国家范围内做模糊匹配，extractOne直接返回最佳匹配结果
        best_match = process.extractOne(current_company, target_companies)
        actual_name.append(best_match[0])
        similarity.append(best_match[1])
    else:
        # 处理dfB中没有当前国家公司的情况，返回空值和0分
        actual_name.append(None)
        similarity.append(0)

# 把结果合并回dfA
dfA['actual_name'] = actual_name
dfA['similarity'] = similarity

核心改进点说明 #

• 分组预处理：提前把dfB按Country Code分组并转成字典，这样每次匹配时不用全表扫描dfB，直接通过国家代码快速定位目标公司列表，数据量越大，效率提升越明显。
• 同组匹配逻辑：遍历dfA时，只取出和当前公司国家代码一致的dfB公司列表进行匹配，从根源上避免跨国家的无效匹配。
• 简洁的匹配方法：用process.extractOne替代process.extract(limit=1)，直接返回最佳匹配结果，代码更简洁。
• 异常兜底：如果dfB中没有当前国家的公司，返回None和0分，避免程序报错。

可选优化（针对大数据量） #

如果你的DataFrame行数很多，建议更换更快的评分器，比如fuzz.QRatio（比默认的fuzz.WRatio速度更快，效果差异不大）：

best_match = process.extractOne(current_company, target_companies, scorer=fuzz.QRatio)

内容的提问来源于stack exchange，提问作者C_An