如何不精确匹配2个csv文件
如何不精确匹配2个csv文件
提问于 2019-10-12 00:19:28
我有两个csv文件，dictionary.csv和file.csv，我想检查dictionary.csv中的单词是否存在于file.csv中。dictionary.csv中的一些行包含超过2个单词，我想知道是否有方法可以做到这一点，
如果行中有3个单词，并且行中至少有2/3个单词与file.csv匹配，则返回1，否则返回0
如果行中有2个单词，并且行中至少有1/2个单词与file.csv匹配，则返回1，否则返回0
下面是到目前为止我的代码，它是完全匹配的
file=pd.read_csv("file.csv")
dictionary=pd.read_csv("dictionary.csv")
pattern='|'.join(dictionary)
news["contain diseases1"] = np.where(
news["STORY"].str.contains(pattern, na=False),
1, 0
)
news.to_csv("clues.csv")为了进一步帮助您理解我的问题，下面是dictionary.csv和file.csv的内容
dictionary.csv
sigmoid colon cancer
site specific early onset breast cancer syndrome
skin cancerfile.csv
id STORY
0 Ari have a colon cancer
1 Cancer is an epidemic
2 Breast cancer can happen to both genders我应该从这些文件中获得输出是
clue.csv
id STORY contain diseases1
0 Ari have a colon cancer 1
1 Cancer is an epidemic 1
2 Breast cancer can happen to both genders 1
3 Prioritizing the health of skin 0
4 A specific camping site is only for early birds 0到目前为止，因为我现在拥有的代码是完全匹配的，所以我一直得到0
回答 1
Stack Overflow用户
发布于 2019-10-12 01:02:17
你有没有考虑过fuzzywuzzy库？这是一个由SeatGeek开源的字符串匹配库。它提供了一个基于不完全匹配的匹配分数，然后您可以决定哪个阈值最接近-足够匹配。
根据我的经验，我曾使用它来匹配来自不同数据源的医生姓名(例如，有些人说"Dr.“一些人说"M.D."，一些名字是缩写的，一些姓是因为婚前的名字而改变的)。
这里有两个库的链接。
https://chairnerd.seatgeek.com/fuzzywuzzy-fuzzy-string-matching-in-python/
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/58345116
复制相关文章
相似问题
腾讯云开发者
