Pandas将每一行与数据框中的所有行进行比较,并将结果保存在每行的列表中

Question

我试图通过fuzzywuzzy.fuzzy.partial_ratio()> = 85,在大熊猫DF所有行比较每行写在结果列表的每一行.

in: df = pd.DataFrame( {'id':[1, 2, 3, 4, 5, 6], 'name':['dog', 'cat', 'mad cat', 'good dog', 'bad dog', 'chicken']})

使用pandas函数与fuzzywuzzy库得到结果:

out: 
    id  name     match_id_list
    1   dog      [4, 5]
    2   cat      [3, ]
    3   mad cat  [2, ]
    4   good dog [1, 5]
    5   bad dog  [1, 4]
    6   chicken  []

但我不明白怎么弄这个.

Answer 1

第一步是找到与给定条件匹配的指数name.由于partial_ratio只接受字符串,我们apply到数据帧:

name = 'dog'
df.apply(lambda row: (partial_ratio(row['name'], name) >= 85), axis=1)

然后我们可以使用enumerate和列出理解来生成true布尔数组中的索引列表:

matches = df.apply(lambda row: (partial_ratio(row['name'], name) >= 85), axis=1)
[i for i, x in enumerate(matches) if x]

让我们将所有这些放在一个函数中:

def func(name):
    matches = df.apply(lambda row: (partial_ratio(row['name'], name) >= 85), axis=1)
    return [i for i, x in enumerate(matches) if x]

我们现在可以将该函数应用于整个数据帧:

df.apply(lambda row: func(row['name']), axis=1)