如何在fuzzywuzzy中避免循环匹配？DataFrame匹配场景解决方案

问题背景 #

现有如下DataFrame：

import pandas as pd

df = pd.DataFrame(
    dict(Name=['Emma Howard', 'Emma Ward', 'Emma Warner', 'Emma Wayden'],
         Age=[33, 34, 43, 44], Score=[90, 95, 93, 92])
)

使用fuzzywuzzy的process.extractBests方法处理姓名列时，出现循环匹配问题：比如Emma Howard和Emma Ward会互相出现在对方的匹配结果里。需求是实现：已匹配过的条目，不再出现在后续行的匹配结果中。

原伪代码的问题在于每次循环后重置了候选列表，没有真正移除已匹配的条目，无法达到预期效果。

解决方案 #

核心思路是维护一个动态更新的可用候选列表，每次完成匹配后，将已配对的条目从候选列表中永久移除，避免后续重复匹配。

完整代码 #

import pandas as pd
from fuzzywuzzy import process, fuzz

# 初始化DataFrame
df = pd.DataFrame(
    dict(Name=['Emma Howard', 'Emma Ward', 'Emma Warner', 'Emma Wayden'],
         Age=[33, 34, 43, 44], Score=[90, 95, 93, 92])
)

# 初始化可用候选姓名列表，复制原始姓名列表
available_names = df['Name'].tolist().copy()
matches_list = []

for current_name in df['Name']:
    # 先移除当前姓名，避免匹配自身
    available_names.remove(current_name)
    # 提取当前姓名的最优匹配（仅保留分数≥80的结果）
    best_matches = process.extractBests(
        current_name, 
        available_names, 
        score_cutoff=80, 
        scorer=fuzz.ratio
    )
    matches_list.append(best_matches)
    
    # 如果有匹配结果，将匹配到的姓名从可用列表中移除，防止后续重复匹配
    if best_matches:
        # extractBests返回的是(匹配姓名, 匹配分数)的元组，取第一个匹配的姓名
        matched_name = best_matches[0][0]
        available_names.remove(matched_name)

# 将匹配结果添加到DataFrame
df['matches'] = matches_list
# 保存到CSV文件
df.to_csv("xyz.csv", index=False)

代码逻辑说明 #

1. 动态候选列表：available_names初始包含所有姓名，后续会随着匹配操作不断剔除已使用的条目
2. 避免自匹配：遍历每个姓名时，先将当前姓名从候选列表中移除，确保不会匹配到自己
3. 移除已匹配条目：每次得到最优匹配后，立即将该匹配条目从候选列表中删除，后续循环不会再将其作为候选
4. 结果存储：将每一行的匹配结果存入列表，最后添加到DataFrame并导出为CSV

预期效果 #

运行后，Emma Howard匹配到Emma Ward后，Emma Ward在后续遍历过程中，候选列表里已经没有Emma Howard，不会再生成互相匹配的结果；同理其他配对也只会出现一次。

内容的提问来源于stack exchange，提问作者Kingston X