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
相关产品推荐

