pandas dataframe使用fuzzywuzzy模糊匹配名称仅返回自身问题排查

• 未排除当前行自身的匹配结果：fuzz.partial_ratio计算两个完全相同的字符串时返回值为100，必然高于你设置的50阈值，因此每行自身一定会被纳入结果列表，这是你现在输出仅包含自身名称的核心原因。
• 原有函数设计存在缺陷：你仅向check_name函数传入了当前行的名称字段，没有传入当前行的索引，无法区分匹配结果中哪些属于当前行自身、哪些属于其他行的匹配结果，无法完成排除逻辑。

from fuzzywuzzy import fuzz
import pandas as pd

# 提前提取名称列表和对应索引，避免每次apply重复遍历全表，提升执行效率
all_names = df['Name'].tolist()
all_indexes = df.index.tolist()

def get_similar_names(current_idx, current_name, threshold=50):
    similar_list = []
    for idx, name in enumerate(all_names):
        # 先排除当前行自身，再校验相似度阈值
        if all_indexes[idx] != current_idx and fuzz.partial_ratio(name, current_name) >= threshold:
            similar_list.append(name)
    return similar_list

# apply调用时同时传入行索引（row.name为pandas行对象的内置索引属性）和名称字段
df['Checked'] = df.apply(lambda row: get_similar_names(row.name, row['Name']), axis=1)

运行上述代码即可得到你预期的输出结果。如果你的数据量较大（行数超过1000），可以考虑预计算相似度矩阵进一步优化执行效率，避免O(n²)的重复计算。

内容的提问来源于stack exchange，提问作者LdM