如何将Levenshtein方法计算结果作为列添加至现有DataFrame？

问题原因 #

你当前的代码中，lev_distance_a_b变量在循环里会被每次迭代的结果覆盖，最终只保留最后一次计算的距离值，所以赋值给DataFrame列时整行都填充这个最后值。

方法一：用列表收集所有计算结果 #

先初始化一个空列表，在循环中把每对元素的Levenshtein距离添加到列表，最后将整个列表赋值给新列：

# 初始化空列表存储所有距离
lev_distances = []
a = df.a.to_numpy()
b = df.b.to_numpy()

for i, k in zip(a, b):
    dist = lev.distance(i, k)
    lev_distances.append(dist)

# 将列表赋值给DataFrame的新列
df['a_b'] = lev_distances
print(df)

方法二：使用Pandas的apply方法（更简洁高效） #

直接对DataFrame的每行应用Levenshtein距离计算，避免手动循环，适合处理4000行的数据集：

# 定义计算函数
def calculate_lev(row):
    return lev.distance(row['a'], row['b'])

# 应用到每行，生成新列
df['a_b'] = df.apply(calculate_lev, axis=1)
print(df)

也可以用lambda表达式简化写法：

df['a_b'] = df.apply(lambda row: lev.distance(row['a'], row['b']), axis=1)

这样处理后，a_b列会正确对应每行的Levenshtein距离值，不会出现全列都是最后一个结果的问题。

内容的提问来源于stack exchange，提问作者Pauli du Plooy