如何基于fuzzywuzzy模糊匹配得分修改Pandas DataFrame列值

报错原因 #

fuzz.ratio()仅支持传入单个字符串完成匹配度计算，你直接将整列df['make']（Series类型）传入函数，会触发类型不匹配导致的真值判断歧义错误。

实现方案 #

方案1：搭配apply使用fuzzywuzzy（小数据量可用） #

逐行遍历列内容完成匹配判断：

from fuzzywuzzy import fuzz

df['make'] = df['make'].apply(
    lambda x: "Mercedes" if fuzz.ratio(x, "Mercedes") >= 80 else x
)

方案2：使用RapidFuzz（大数据量首选，效率提升10倍以上） #

RapidFuzz是fuzzywuzzy的C++优化版本，原生支持批量向量运算，不需要逐行遍历，非常适合大体量DataFrame使用：

1. 先安装依赖：

pip install rapidfuzz

2. 执行批量替换：

from rapidfuzz import fuzz

# 直接批量计算整列和目标字符串的匹配度，生成布尔掩码
match_mask = fuzz.ratio(df['make'], "Mercedes") >= 80
# 替换匹配成功的行
df.loc[match_mask, 'make'] = "Mercedes"

额外优化建议 #

• 仅对make单列做修改即可，不要直接对整个DataFrame调用where/mask，避免全表无意义操作
• 如果需要同时替换多个品牌，可将目标品牌存入列表循环处理，或调用RapidFuzz的process模块实现多目标批量匹配，效率更高

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