如何按近似（非完全匹配）值合并两个DataFrame？

我有两个DataFrame：
player_stats：

player          minutes  total_points  assists  
1   Erling Haaland  77       13            0    
2   Kevin De Bruyne 90       6             1

season_gw1：

player          position  gw  team  
10449   Erling Håland   4         1   Manchester City
10453   Kevin De Bruyne 3         1   Manchester City

我想按player列合并这两个DataFrame，但第一位球员Haaland的拼写在两个DataFrame里不一致（一个是Haaland，一个是Håland）。我当前用的合并代码是：

season_gw1_stats = season_gw1.merge(player_stats, on = 'player')

合并后只得到了Kevin De Bruyne的数据：

player            position  gw  team             minutes  total_points  assists
10453   Kevin de Bruyne   3         1   Manchester City  90       6             1

请问如何实现按近似值合并DataFrame？（实际数据里还有其他拼写相似但不一致的名称需要处理）

方法1：统一字符编码（处理特殊字符） #

很多拼写差异源于特殊字符（如å、é这类），可以先将两个DataFrame的player列统一转成ASCII字符，消除这类差异：

import unicodedata

def normalize_name(name):
    # 将特殊字符转成对应ASCII字符，比如å→a
    return unicodedata.normalize('NFKD', name).encode('ascii', 'ignore').decode('utf-8')

# 对两个DataFrame的player列做归一化
player_stats['player_normalized'] = player_stats['player'].apply(normalize_name)
season_gw1['player_normalized'] = season_gw1['player'].apply(normalize_name)

# 用归一化后的列合并
season_gw1_stats = season_gw1.merge(player_stats, on='player_normalized').drop('player_normalized', axis=1)

这种方法适合处理因特殊字符、大小写导致的差异，比如Håland会被转成Haaland，和另一个DataFrame的名称完全匹配。

方法2：模糊匹配（用rapidfuzz） #

如果存在更复杂的拼写差异（如缩写、少字母），可以用模糊匹配库计算字符串相似度，找到最匹配的条目。rapidfuzz是性能更优的模糊匹配工具：
先安装库：

pip install rapidfuzz

然后编写匹配逻辑：

from rapidfuzz import process, fuzz

# 提取player_stats里的球员名称列表
player_names = player_stats['player'].tolist()

# 给season_gw1的每个球员找到最匹配的player_stats里的名称，设置相似度阈值
def get_best_match(name, threshold=80):
    match, score, _ = process.extractOne(name, player_names, scorer=fuzz.ratio)
    return match if score >= threshold else None

season_gw1['matched_player'] = season_gw1['player'].apply(get_best_match)

# 用匹配后的列合并
season_gw1_stats = season_gw1.merge(player_stats, left_on='matched_player', right_on='player').drop('matched_player', axis=1)

• 可调整threshold（默认80）控制匹配严格程度，分数越高匹配越严格。
• fuzz.ratio计算整体相似度，也可使用fuzz.partial_ratio处理前缀/后缀差异的场景。

方法3：结合两种方法（先归一化再模糊匹配） #

如果同时存在特殊字符和拼写差异，先做字符归一化再进行模糊匹配，效果会更稳定：

# 先做字符归一化
player_stats['player_normalized'] = player_stats['player'].apply(normalize_name)
season_gw1['player_normalized'] = season_gw1['player'].apply(normalize_name)

# 用归一化后的名称做模糊匹配
normalized_names = player_stats['player_normalized'].tolist()

def get_best_normalized_match(name, threshold=80):
    match, score, _ = process.extractOne(name, normalized_names, scorer=fuzz.ratio)
    return match if score >= threshold else None

season_gw1['matched_normalized'] = season_gw1['player_normalized'].apply(get_best_normalized_match)

# 合并时关联回原数据
season_gw1_stats = season_gw1.merge(
    player_stats, 
    left_on='matched_normalized', 
    right_on='player_normalized'
).drop(['player_normalized_x', 'player_normalized_y', 'matched_normalized'], axis=1)

内容的提问来源于stack exchange，提问作者grungrun