python - Pandas:使用 Levenshtein 距离查询

给定以下数据集:

name;sex;city;age
john;male;newyork;20
jack;male;newyork;21
mary;female;losangeles;45
maryanne;female;losangeles;48
eric;male;san francisco;26
jenny;female;boston2;30
mattia;na;BostonDynamics;50

和约束:

source = "john"
max_dist = 2

我的目标是获得具有 list 的所有名称值的 Levenshtein Distance ，其中 source 是 <= max_dist 。是否可以通过使用 pandas.DataFrame.query() 方法来做到这一点，或者必须以不同的方式来完成？

最佳答案

你会用不同的方式来做。

import editdistance # first do pip install editdistance
from StringIO import StringIO

s = StringIO("""name;sex;city;age
john;male;newyork;20
jack;male;newyork;21
mary;female;losangeles;45
maryanne;female;losangeles;48
eric;male;san francisco;26
jenny;female;boston2;30
mattia;na;BostonDynamics;50""")

df = pd.read_csv(s, sep=';')

df[df.name.apply(lambda x: int(editdistance.eval(source, x)) <= 2)]

   name   sex     city  age
0  john  male  newyork   20


df[df.name.apply(lambda x: int(editdistance.eval(source, x)) <= 2)].name.tolist()

['john']

关于python - Pandas:使用 Levenshtein 距离查询，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/45936956/