嗨，提前感谢，蟒蛇和熊猫的新手。
-
我有一个df列
df['name']，这个大数据由产品名称组成，所有产品名称都有不同的长度，字母，数字，标点符号和间距。 这使得每个名称都是唯一的值，这使得很难找到某些产品的变体。 -
然后，我按间距拆分列值。
df['name'].str.split(" ",expand = True)
我在这个问题中找到了一些代码，但我不知道如何应用它来迭代和比较列表，因为它使用变量和 2 个列表，我只有一个列表。 如何比较 python 中的两个列表和返回匹配项？
Not the most efficient one, but by far the most obvious way to do it is:
a = [1, 2, 3, 4, 5]
b = [9, 8, 7, 6, 5]
set(a) & set(b)
{5}
if order is significant you can do it with list comprehensions like this:
[i for i, j in zip(a, b) if i == j]
[5]
- 我试图实现的是：
数据集
1.star t-shirt-large-red
2.star t-shirt-large-blue
3.star t-shirt-small-red
4.beautiful rainbow skirt small
5.long maxwell logan jeans- light blue -32L-28W
6.long maxwell logan jeans- Dark blue -32L-28W
-将列表中的所有项目相互比较，并找到最长的字符串匹配项。示例：产品：1,2,3具有匹配的部分字符串result
COL1 COL2 COL3 COL4
1[star t-shirt] [large] [red] NONE
2[star t-shirt] [large] [blue] NONE
3[star t-shirt] [small] [red] NONE
4[beautiful rainbow skirt small] NONE NONE NONE
5[long maxwell logan jeans] [light blue] [32L] [28W]
6[long maxwell logan jeans] [Dark blue] [32L] [28W]
谁能指出我如何实现最终结果的正确方向。我研究了像fuzzywuzzy和diffilab这样的模块，但不知道如何应用它和正则表达式，但我不确定如何在具有这么多不同格式的列表中实现字符串匹配？ 请在回复时逐步解释一下，以便我了解您的工作和原因。仅用于学习目的 再次提前感谢您。
嗯，你的问题真的很大。我认为你必须重新考虑这样做的目的。
在第一步中，每行彼此对应。
df['onkey'] = 1
df1 = pd.merge(df[['name','onkey']],df[['name','onkey']], on='onkey')
df1['list'] = df1.apply(lambda x:[x.name_x,x.name_y],axis=1)
第二步是找到最长的字符串匹配项。
from os.path import commonprefix
df1['COL1'] = df1['list'].apply(lambda x:commonprefix(x))
删除找不到字符串匹配项的行。
df1['COL1_num'] = df1['COL1'].apply(lambda x:len(x))
df1 = df1[(df1['COL1_num']!=0)]
查找最短的匹配项。
df1 = df1.loc[df1.groupby('name_x')['COL1_num'].idxmin()]
合并 df 和 df1。
df = df.rename(columns ={'name':'name_x'})
df = pd.merge(df,df1[['name_x','COL1']],on='name_x',how ='left')
我们可以像这样查看数据：
name_x onkey COL1
0 star t-shirt-large-red 1 star t-shirt-
1 star t-shirt-large-blue 1 star t-shirt-
2 star t-shirt-small-red 1 star t-shirt-
3 beautiful rainbow skirt small 1 beautiful rainbow skirt small
4 long maxwell logan jeans- light blue -32L-28W 1 long maxwell logan jeans-
5 long maxwell logan jeans- Dark blue -32L-28W 1 long maxwell logan jeans-
如您所见，我们找到了最长的字符串匹配。
处理公共字符串，我们将剩余的字符串分开。
df['len'] = df['COL1'].apply(lambda x: len(x))
df['other'] = df.apply(lambda x: x.name_x[x.len:],axis=1)
df['COL1'] = df['COL1'].apply(lambda x: x.strip())
df['COL1'] = df['COL1'].apply(lambda x: x[:-1] if x[-1]=='-' else x)
df['other'] = df['other'].apply(lambda x:x.split('-'))
最后，我们将连接它们。
df = df[['COL1','other']]
df = pd.concat([df['COL1'],df['other'].apply(pd.Series)],axis=1)
结果：
COL1 0 1 2
0 star t-shirt large red NaN
1 star t-shirt large blue NaN
2 star t-shirt small red NaN
3 beautiful rainbow skirt small NaN NaN
4 long maxwell logan jeans light blue 32L 28W
5 long maxwell logan jeans Dark blue 32L 28W