如何在Pandas中比较带重音与无重音的葡萄牙语姓名？

当然有办法解决这个问题！处理带重音的葡萄牙语姓名和无重音姓名的比对，最直接的方式就是移除重音标记，或者在比对时动态忽略重音。下面是具体的实现方案：

首先，我们可以写一个通用函数来移除字符串中的所有重音和特殊标记，利用Python的unicodedata模块就能轻松实现：

import unicodedata

def remove_accents(text):
    # 将字符规范化为NFKD格式（分解基字符和重音标记）
    normalized_text = unicodedata.normalize('NFKD', text)
    # 过滤掉所有组合重音标记，只保留基字符
    return ''.join([char for char in normalized_text if not unicodedata.combining(char)])

这个函数会自动处理葡萄牙语里的各种重音：比如Ç→C，Õ→O，É→E等等，完全匹配你给出的示例需求。

应用到DataFrame #

接下来把这个函数应用到你的perfis_deputados的目标列上，生成无重音的新列（也可以直接在比对时使用，不需要保存新列）：

方式1：生成无重音列（方便后续多次比对） #

import pandas as pd

# 给DataFrame添加无重音的姓名列
perfis_deputados['nome_completo_sem_acento'] = perfis_deputados['nome_completo'].apply(remove_accents)
perfis_deputados['nome_eleitoral_sem_acento'] = perfis_deputados['nome_eleitoral'].apply(remove_accents)

之后你就可以直接用这些新列和另一个无重音的DataFrame进行比对，比如用merge关联：

# 假设另一个DataFrame叫outro_df，无重音姓名列是nome_sem_acento
merged_df = pd.merge(
    perfis_deputados,
    outro_df,
    left_on='nome_completo_sem_acento',
    right_on='nome_sem_acento',
    how='inner'
)

方式2：动态比对（无需生成新列） #

如果不需要保存无重音列，可以直接在比对逻辑中应用函数：

# 筛选出和另一个DataFrame匹配的行
matched_rows = perfis_deputados[
    perfis_deputados['nome_completo'].apply(remove_accents).isin(outro_df['nome_sem_acento'])
]

原理说明 #

• unicodedata.normalize('NFKD', text)：把带重音的字符分解为基字符+组合重音标记，比如Õ会被分解成O和一个重音标记̃；
• unicodedata.combining(char)：判断字符是否是组合重音标记，返回True则过滤掉，只保留基字符，最终得到无重音的字符串。

这个方法完全兼容utf-8编码的字符串，刚好匹配你的DataFrame编码环境。

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