python - 通过正则表达式或模糊匹配合并 Dataframe

Question

我有 d1 和 d2，我想按 ID 列合并两者。但是，ID 和 ID2 并不完全匹配。相反，ID 是 ID2 的前 8 位数字(有时它可以是前 6 位数字，或者有时可以相差一位或两位数)。

我知道我可以预处理 ID2 以仅保留前 8 位数字。但是，我无法处理所有情况。

请问有没有更高级的方式，通过正则表达式进行合并，进行模糊匹配？比如说，如果前 6 位数字匹配，则合并？

d1=pd.DataFrame({'ID':['00846U10','01381710'],
                      'count':[100,200]})
d2=pd.DataFrame({'ID2':['00846U101','013817101','02376R102'],
                'value':[1,5,6]})

Answer 1

伙计，

我遇到了同样的问题，唯一的解决办法是使用其他 python 包。例如，看看 fuzzywuzzy。非常好。

一般的想法是，对于 d1 中的每一行，您将在 d2 中寻找具有最高模糊匹配分数的行。