编辑两个pandas列之间的距离

Question

我有一个由两列字符串组成的pandas DataFrame.我想创建一个包含两列的编辑距离的第三列.

from nltk.metrics import edit_distance    
df['edit'] = edit_distance(df['column1'], df['column2'])

出于某种原因,这似乎是某种无限循环,因为它在相当长的一段时间内仍然没有响应,然后我必须手动终止它.

欢迎任何建议.

Answer 1

nltk的edit_distance功能是用于比较字符串对.如果你想计算相应字符串对之间的编辑距离,apply它会分别对每行的字符串如下:

results = df.apply(lambda x: edit_distance(x["column1"], x["column2"]), axis=1)

或者像这样(可能更高效一点),避免包含数据帧的不相关列:

results = df.loc[:, ["column1", "column2"]].apply(lambda x: edit_distance(*x), axis=1)

要将结果添加到数据框,您可以像这样使用它:

df["distance"] = df.loc[:, ["column1","column2"]].apply(lambda x: edit_distance(*x), axis=1)