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/