如何基于模糊匹配（匹配度≥80）为TXT文件生成分类列并构建DataFrame

下面是完整的实现代码，基于你已有的基础逻辑补充了分类逻辑和DataFrame构建：

import os
import pandas as pd
from fuzzywuzzy import fuzz
from fuzzywuzzy import process

# 1. 获取指定路径下的所有txt文件
path = '../../../files'
text_files = [f for f in os.listdir(path) if f.endswith('.txt')]

# 2. 实现相似文件名分类逻辑
file_categories = {}
current_category = 1
category_map = {}

for file in text_files:
    # 检查当前文件是否能匹配到已有的分类
    match = process.extractOne(file, list(category_map.keys()), scorer=fuzz.ratio)
    if match and match[1] >= 80:
        # 匹配成功，归入对应分类
        category_map[file] = category_map[match[0]]
    else:
        # 无匹配项，新建分类
        category_map[file] = f"分类{current_category}"
        current_category += 1

# 3. 构建包含分类列的DataFrame
df = pd.DataFrame({
    "文件名": list(category_map.keys()),
    "分类": list(category_map.values())
})

print(df)

代码说明 #

• 文件获取：沿用你原有的逻辑筛选出所有.txt后缀文件
• 分类逻辑：
  • 用process.extractOne在已有的分类代表文件中查找匹配度最高的项
  • 当匹配度≥80时，将当前文件归入对应分类；否则创建新分类
  • 分类命名采用"分类+序号"的形式，你也可以改成用第一个匹配到的文件名作为分类名（比如把f"分类{current_category}"换成file）
• DataFrame构建：将文件名和对应的分类映射转换成DataFrame，方便后续分析或导出

示例结果 #

假设你的文件列表是：["programmi.txt", "programmi-2.txt", "report_2024.txt", "report_final.txt", "notes.txt"]，运行后得到的DataFrame会是：

注意事项 #

• 若要提升模糊匹配的速度，建议安装python-Levenshtein库：pip install python-Levenshtein
• 匹配阈值（80）可根据实际需求调整，数值越高分类越严格
• 如果文件名中有重复项，会自动归入同一分类

内容的提问来源于stack exchange，提问作者Elif Y