如何对比同一DataFrame两列字符串并计算匹配率及匹配类型

实现效果 #

针对同一DataFrame的两列字符串逐行计算，新增两列输出结果：

• 两字符串的匹配百分比
• 匹配类型判定，共三类：完全匹配、部分匹配、完全不匹配
  实现效果参考：
  

实现代码 #

直接用Python标准库difflib即可完成相似度计算，无需额外安装第三方依赖：

import pandas as pd
from difflib import SequenceMatcher

def string_match_calc(str1, str2):
    # 空值兜底处理
    if pd.isna(str1) or pd.isna(str2):
        return 0.0, "完全不匹配"
    # 统一转字符串、去首尾空格后计算相似度
    s1 = str(str1).strip()
    s2 = str(str2).strip()
    sim_ratio = SequenceMatcher(None, s1, s2).ratio()
    match_pct = round(sim_ratio * 100, 2)
    # 匹配类型判定
    if match_pct == 100:
        match_type = "完全匹配"
    elif match_pct == 0:
        match_type = "完全不匹配"
    else:
        match_type = "部分匹配"
    return match_pct, match_type

# ------------------- 调用示例 -------------------
# 替换成你自己的DataFrame和对应列名即可
df = pd.DataFrame({
    "字符串列1": ["apple", "banana", "orange", "grape", "cherry"],
    "字符串列2": ["apple", "bananas", "pear", "grape", "berry"]
})

# 逐行计算生成结果列
df[["匹配百分比(%)", "匹配类型"]] = df.apply(
    lambda x: pd.Series(string_match_calc(x["字符串列1"], x["字符串列2"])),
    axis=1
)

自定义调整说明 #

• 阈值调整：如果需要自定义完全不匹配的判定标准（比如相似度低于20%才算完全不匹配），直接修改判定分支的数值条件即可
• 性能优化：如果是百万行以上的大表，可替换difflib为rapidfuzz库的fuzz.ratio接口，计算逻辑完全一致，速度可提升数十倍
• 适配中文：上述逻辑对中文字符串同样生效，无需额外修改编码或匹配规则

运行结果示例 #

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