比较两个字符串的相似度

Question

我有一组遗留数据，旨在将公司匹配在一起（基于许多不同的因素）。但是，我想仅根据来自不同配置文件的名称（并且可能有细微的差异）对比赛进行一些质量检查。

假设数据集如下：

匹配ID	左名	姓名权
1	柠檬农场	柠檬农场公司
2	桃树	桃树农场
3	番茄林	橙色猎豹农场

他们是用算法还是Python方式来知道例如1和2可能很好匹配而3很不匹配？这，没有任何机器学习等。

我想我需要以某种方式创造一个分数并消除它。但是，如果这是最佳实践，我会喜欢一些意见。

我的一些想法是查看模式、比较集合中的字母等。但是，我无法执行它们。

Answer 1

你可以尝试fuzzywuzzy使用分数，然后你只需要设置分数限制即可

from fuzzywuzzy import fuzz
df['score'] = df[['Name Left','Name Right']].apply(lambda x : fuzz.partial_ratio(*x),axis=1)
df
Out[134]: 
   Match ID     Name Left           Name Right  score
0         1    LemonFarms      Lemon Farms Inc     90
1         2     Peachtree      PeachTree Farms     89
2         3  Tomato Grove  Orange Cheetah Farm     13