python - 如何计算两个 Pandas DataFrame 列之间的编辑距离？

Question

我正在尝试计算两个 Pandas 列之间的 Levenshtein 距离，但我遇到了困难，这是 library我在用着。这是一个最小的、可重现的示例:

import pandas as pd
from textdistance import levenshtein

attempts = [['passw0rd', 'pasw0rd'],
            ['passwrd', 'psword'],
            ['psw0rd', 'passwor']]

df=pd.DataFrame(attempts, columns=['password', 'attempt'])

   password  attempt
0  passw0rd  pasw0rd
1   passwrd   psword
2    psw0rd  passwor

我糟糕的尝试:

df.apply(lambda x: levenshtein.distance(*zip(x['password'] + x['attempt'])), axis=1)

这就是该函数的工作原理。 它需要两个字符串作为参数:

levenshtein.distance('helloworld', 'heloworl')

Out[1]: 2

Answer 1

也许我遗漏了一些东西，你有什么理由不喜欢 lambda 表达式吗？这对我有用:

import pandas as pd
from textdistance import levenshtein

attempts = [['passw0rd', 'pasw0rd'],
            ['passwrd', 'psword'],
            ['psw0rd', 'passwor'],
            ['helloworld', 'heloworl']]

df=pd.DataFrame(attempts, columns=['password', 'attempt'])

df.apply(lambda x: levenshtein.distance(x['password'],  x['attempt']), axis=1)

输出:

0    1
1    3
2    4
3    2
dtype: int64