如何在fuzzywuzzy模糊匹配后将dataframe的None替换为最常见姓名

首先明确：fuzzywuzzy的process.extractOne未匹配到符合阈值的结果时会返回None，你之前写的df1.max(axis = 1)代码并不适用于当前需求，因为你需要的是用全数据集固定的最高频姓名替换所有未匹配项，而非取每行的最大值。

步骤1：计算待匹配列出现频率最高的姓名 #

首先统计df2中NICKNAME列的最高频值：

# 取出现频率最高的昵称，存在多个并列最高频时会返回第一个出现的
most_freq_nickname = df2['NICKNAME'].value_counts().idxmax()

步骤2：替换未匹配的None值 #

两种实现方式可选：

方式一：生成匹配列时直接替换（推荐，无需二次遍历） #

提前预存昵称列表和最高频值，在调用apply时直接做判断：

from fuzzywuzzy import process
import pandas as pd

nickname_list = df2['NICKNAME'].tolist()
most_freq_nickname = df2['NICKNAME'].value_counts().idxmax()

df1['Matched_Nickname_and_Score'] = df1['FNAME'].apply(
    lambda x: process.extractOne(x, nickname_list, score_cutoff=75) or (most_freq_nickname, 0)
)

这里用or逻辑判断，当extractOne返回None（布尔值为False）时，会自动取后面的默认值，你可以根据需要调整默认分数0的取值。

方式二：已生成匹配列后二次替换 #

如果已经执行完原匹配代码得到了带None的列，直接调用fillna替换即可：

most_freq_nickname = df2['NICKNAME'].value_counts().idxmax()
df1['Matched_Nickname_and_Score'] = df1['Matched_Nickname_and_Score'].fillna(
    value=(most_freq_nickname, 0)
)

可选操作：拆分匹配结果为独立列 #

如果需要单独使用匹配到的昵称和分数，可以拆分存储为两列更方便后续处理：

df1[['Matched_Nickname', 'Match_Score']] = pd.DataFrame(
    df1['Matched_Nickname_and_Score'].tolist(), 
    index=df1.index
)

内容的提问来源于stack exchange，提问作者user13150405