如何在python中替換兩個for's()、一個串列和一個資料框的使用？

我有一個資料框和一個字串串列：

      import pandas as pd
      from fuzzywuzzy import fuzz
      from fuzzywuzzy import process

      df = pd.DataFrame({'Name': ['PARIS', 'NEW YORK', 'MADRI', 'PARI', 'P ARIS', 'NOW YORK',
                                  'PORTUGAL', 'PORTUGLA'],                   
                         'Column_two': [1,2,3,4,5,6,7,8]                 
                         })

      print(df)

      # Output:

      Name   Column_two
     PARIS       1
     NEW YORK    2
     MADRI       3
      PARI       4
     P ARIS      5
    NOW YORK     6
    PORTUGAL     7
    PORTUGLA     8

      list_string_correct = ['PARIS', 'NEW YORK', 'PORTUGAL']

我正在使用 Fuzzywuzzy python 庫。此方法回傳一個數字，表示兩個比較字串的相似程度：示例：fuzz.partial_ratio("BRASIL", "BRAZIL")

     # Output:
     88

我想遍歷資料框的“名稱”列并將字串與 var_string_correct 進行比較。如果這些相似，我想用正確的名稱（即字串的名稱）替換它。所以，我做了以下代碼：

      for i in range(0, len(df)):
          for j in range(0, len(list_string_correct)):
    
              var_string = list_string_correct[j] 

              # Return number [0 until 100]       
              result = fuzz.partial_ratio(var_string, df['Name'].iloc[i]) 
    
              if(fuzz.partial_ratio(var_string, df['Name'].iloc[i]) >= 80): # Condition            
                   df['Name'].loc[i] = var_string

代碼正在運行。輸出如所愿：

     print(df)

     # Output:

         Name   Column_two
         PARIS      1
        NEW YORK    2
         MADRI      3
         PARIS      4
         PARIS      5
        NEW YORK    6
        PORTUGAL    7
        PORTUGAL    8

但是，我需要使用兩個 for() 命令。有沒有辦法替換 for() 并保持相同的輸出？

要安裝庫，請使用：

      pip install fuzzywuzzy
      pip install python-Levenshtein

uj5u.com熱心網友回復：

process.extractOne從thefuzz包中嘗試（的繼任者fuzzywuzzy，相同的作者，相同的 api）：

# from fuzzywuzzy import process
from thefuzz import process

THRESHOLD = 80

df['Name'] = \
    df['Name'].apply(lambda x: process.extractOne(x, list_string_correct,
                                   score_cutoff=THRESHOLD)).str[0].fillna(df['Name'])

輸出：

>>> df
       Name  Column_two
0     PARIS           1
1  NEW YORK           2
2     MADRI           3
3     PARIS           4
4     PARIS           5
5  NEW YORK           6
6  PORTUGAL           7
7  PORTUGAL           8

uj5u.com熱心網友回復：

如果由于某種原因您需要使用該fuzzywuzzy軟體包（而不是thefuzz@Corralien 推薦的），您可以使用一個回圈來代替：

import pandas as pd
from fuzzywuzzy import fuzz
from fuzzywuzzy import process

df = pd.DataFrame({'Name': ['PARIS', 'NEW YORK', 'MADRI', 'PARI', 'P ARIS', 'NOW YORK',
                            'PORTUGAL', 'PORTUGLA'],                   
                    'Column_two': [1,2,3,4,5,6,7,8]                 
                    })

list_string_correct = ['PARIS', 'NEW YORK', 'PORTUGAL']


for correct_name in list_string_correct:
    df['Name'] = df['Name'].apply(lambda x: correct_name if fuzz.partial_ratio(correct_name, x) >= 80 else x)

       Name  Column_two
0     PARIS           1
1  NEW YORK           2
2     MADRI           3
3     PARIS           4
4     PARIS           5
5  NEW YORK           6
6  PORTUGAL           7
7  PORTUGAL           8

標籤：

上一篇：在Python函式中使用可變型別作為默認引數是否有注意事項？

下一篇：如何訪問熊貓資料框中的嵌套資料？