如何按Unique ID分组比较DataFrame同组相邻行Name并计算相似度

原有代码直接对全局Name列执行shift(-1)，没有按Unique ID区分分组边界，上一个分组最后一行的下一行值会被错误赋值为下一个分组的首行Name，最终导致跨组匹配计算错误。

核心逻辑是分组后再执行组内位移，从根源上避免跨组取值，具体实现代码如下：

import pandas as pd
import numpy as np
from fuzzywuzzy import fuzz

# 按Unique ID分组，仅在组内取下一行Name值，每组最后一行自动赋值为NaN
df['Name2'] = df.groupby('Unique ID', group_keys=False)['Name'].shift(-1)

# 仅对同组配对的行计算相似度，组尾无配对行时Score留空
df['Score'] = df.apply(
    lambda row: fuzz.partial_ratio(row['Name'], row['Name2']) if pd.notna(row['Name2']) else np.nan,
    axis=1
)

# 不需要Name2校验列的话，直接执行下面这行删除即可
# df = df.drop(columns=['Name2'])

• 算法选择：如果是短文本全量匹配，fuzz.ratio的结果准确性比fuzz.partial_ratio更高；如果是长文本中包含目标子串的匹配场景，再保留fuzz.partial_ratio即可。处理中文名称时，可以先做分词、繁简转换、特殊字符清洗后再计算相似度，结果准确率会明显提升。
• 性能优化：如果数据集行数超过10万，df.apply的遍历效率较低，可以按分组迭代计算，或者直接用向量化运算替换apply，运行速度可以提升数倍。

代码执行后，每个Unique ID分组的最后一行Name2、Score字段均为空值，不会出现不同ID之间的错误匹配问题，输出字段完全符合预期要求。

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