如何跨DataFrame执行模糊匹配，计算元素得分并实现职业分类

现有数据结构 #

df1（职位基准表） #

df2（待归类职位表） #

需求说明 #

将df2中的每个Job Title与df1的每一行、每一列元素做模糊匹配，计算匹配得分；为每个Job Title生成对应得分表，找出得分≥90的最高分所属列（职业类别），以此将该Job Title归类到对应职业。

实现方案 #

使用fuzzywuzzy库的fuzz.ratio()计算模糊匹配得分，Python代码实现如下：

import pandas as pd
from fuzzywuzzy import fuzz

# 初始化数据
df1 = pd.DataFrame({
    'Marketing': ['marketing manager', 'marketing spec'],
    'Sales': ['sales lead', 'sales mgr'],
    'IT': ['software eng', 'data scientist']
})

df2 = pd.DataFrame({
    'Profession': ['IT', 'Marketing'],
    'Job Title': ['data science manager', 'Marketing manager']
})

# 计算模糊匹配得分
def get_match_scores(job_title, base_df):
    return base_df.applymap(lambda x: fuzz.ratio(job_title.lower(), x.lower()))

# 遍历处理每个待归类职位
for _, row in df2.iterrows():
    job_title = row['Job Title']
    print(f"### {job_title} 匹配得分表")
    score_table = get_match_scores(job_title, df1)
    print(score_table.to_markdown(index=False))
    
    # 筛选并确定归类职业
    col_max_scores = score_table.max()
    qualified_cols = col_max_scores[col_max_scores >= 90]
    if not qualified_cols.empty:
        target_profession = qualified_cols.idxmax()
        print(f"该职位归类到：**{target_profession}**")
    else:
        print("无得分≥90的匹配项，无法归类")
    print("\n")

输出结果示例 #

data science manager 匹配得分表 #

该职位归类到：IT

Marketing manager 匹配得分表 #

该职位归类到：Marketing

内容的提问来源于stack exchange，提问作者Suraj Bhala