You need to enable JavaScript to run this app. 如何使用fuzzywuzzy将目标DataFrame按参考DataFrame的顺序匹配对齐
优惠活动
大模型
产品
解决方案
定价
更多

如何使用fuzzywuzzy将目标DataFrame按参考DataFrame的顺序匹配对齐

实现方案

你当前的代码是将整个product1表的所有内容拼接为一个字符串后做全局匹配,所以只能得到符合全局条件的所有条目,无法对应到product1的每一行。修改思路为改为逐行匹配,对product1的每一行关键词单独匹配所有待匹配条目,按列归集结果即可,无需使用sort_values方法。

完整代码如下:

import pandas as pd
from fuzzywuzzy import fuzz

# 待匹配原始数据
g = [
    {'column1': 'ryzen 5 5600'},
    {'column1':'ram 8 gb ddr4 3.2ghz'}, 
    {'column2':'SSD 220gb'}, 
    {'column3':'windows 10 prof'}, 
    {'column2':'ryzen 5 3600'}, 
    {'column1':'ram 16 gb ddr4'}
]
# 读取product1表,保留你原有的读取逻辑即可,以下为示例数据定义
# df1 = pd.read_excel('product1.xlsx', header=None, index_col=False)
# df1.columns = ['product1']
df1 = pd.DataFrame([["GB ddr4"], ["HDD 256GB"], ["SSD"], ["ryzen 5"], ["Win 10 Pro"]], columns=['product1'])

MIN_MATCH_SCORE = 30

# 预处理待匹配数据为(列名, 匹配值)的结构
g_items = []
for item in g:
    col = list(item.keys())[0]
    val = list(item.values())[0].strip()
    g_items.append((col, val))

# 逐行匹配逻辑
def match_row(keyword):
    match_res = {'column1': [], 'column2': [], 'column3': []}
    for col, val in g_items:
        if fuzz.token_set_ratio(keyword, val) >= MIN_MATCH_SCORE:
            match_res[col].append(val)
    # 空结果设为NaN
    for k in match_res:
        match_res[k] = ', '.join(match_res[k]) if match_res[k] else pd.NA
    return pd.Series(match_res)

# 合并匹配结果到原表
final_df = df1.join(df1['product1'].apply(match_row))
print(final_df)

运行后输出的final_df就是你要求的结构。

内容的提问来源于stack exchange,提问作者Titan

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.11 13:36:03