如何用SequenceMatcher筛选符合相似度比例的字符串及DataFrame示例

没问题，我来一步步教你怎么用Python的difflib.SequenceMatcher实现这个需求——把单个字符串和DataFrame某列的所有字符串比对，只留下相似度比例超过0.8的结果。直接上干货！

核心步骤说明 #

首先，我们需要用到两个库：difflib（提供SequenceMatcher）和pandas（处理DataFrame）。核心逻辑是：

• 定义一个判断相似度的函数，计算两个字符串的匹配比例
• 遍历DataFrame的目标列，用这个函数筛选符合阈值的行/字符串

完整代码示例 #

1. 导入依赖库 #

from difflib import SequenceMatcher
import pandas as pd

2. 定义相似度判断函数 #

这个函数会接收目标字符串和待比对字符串，返回是否满足相似度>0.8的条件：

def meets_similarity_threshold(target, compare_str):
    # 计算相似度比例：SequenceMatcher的ratio()返回0-1之间的数值，1表示完全匹配
    similarity = SequenceMatcher(None, target, compare_str).ratio()
    return similarity > 0.8

3. 创建测试数据并筛选 #

我们先构造一个测试用的DataFrame，然后执行筛选：

# 测试DataFrame，模拟你实际的数据
df = pd.DataFrame({
    'product_name': [
        "stainless steel water bottle",
        "steel water bottle",
        "glass coffee mug",
        "stainless steel bottle",
        "plastic water jug",
        "stainless steel water bottle with lid"
    ]
})

# 我们要比对的目标字符串
target_string = "stainless steel water bottle"

方式1：筛选出DataFrame中符合条件的行

用apply生成布尔索引，直接过滤DataFrame：

# 生成布尔索引，筛选符合条件的行
filtered_df = df[df['product_name'].apply(lambda x: meets_similarity_threshold(target_string, x))]

print("筛选后的结果：")
print(filtered_df)

运行结果：

筛选后的结果：
product_name
0 stainless steel water bottle
3 stainless steel bottle
5 stainless steel water bottle with lid

方式2：直接提取符合条件的字符串列表

如果只需要字符串结果，用列表推导式更高效：

matched_strings = [s for s in df['product_name'] if meets_similarity_threshold(target_string, s)]

print("符合条件的字符串列表：")
print(matched_strings)

运行结果：

符合条件的字符串列表：
['stainless steel water bottle', 'stainless steel bottle', 'stainless steel water bottle with lid']

可选优化：预处理字符串 #

默认的SequenceMatcher会严格匹配字符（包括大小写、空格）。如果需要忽略大小写或空格，可以在函数里加预处理步骤：

def meets_similarity_threshold_case_insensitive(target, compare_str):
    # 预处理：转小写+移除所有空格
    clean_target = target.lower().replace(" ", "")
    clean_compare = compare_str.lower().replace(" ", "")
    similarity = SequenceMatcher(None, clean_target, clean_compare).ratio()
    return similarity > 0.8

这样比如"Stainless Steel Bottle"和"stainlesssteelwaterbottle"也能被匹配到~

内容的提问来源于stack exchange，提问作者Rahul Syal