python-3.x - 如何从数据框中返回“拼写不同”的名称

Question

如您所知，很多名字都有多个拼写。

我有一个包含名字和姓氏的数据集，但我遇到了拼写变体的问题。

这是来自数据集的示例:

    firstName  lastName
0    Ali        Khaled
1    Hamada     5ald
2    3ly        7mada
3    7amada     5aled 
4    Sophia     Andrew
5    Sofiya     Jaxon
6    Matthieu   Jackson
7    Matthieu   Jozeph
8    Mathew     Andru

所以我试图让所有人都知道他们的名字是“Mathew”:
马修、马修和马修

或者名字或姓氏是“Hamada”的人:
滨田，7amada，7mada

我尝试用相应的字母替换这些数字，然后使用 get_close_matches 函数，但它既不准确也不符合 Python 风格。

编辑:
我认为将所有多个拼写替换为流行的拼写会更好(第一个和最后一个)。因此，如果 {"Matthew": 4, "Mathew": 2, "Matthieu": 1} ，将 "Mathew"和 "Matthieu"替换为 "Matthew"

Answer 1

您可以执行以下操作来对接近的匹配项进行分组并将其作为新列返回:

---

from difflib import get_close_matches as gsm

df['Close_Matches'] = [', '.join(gsm(name, df.firstName)) for name in df.firstName]

print(df)

  firstName lastName               Close_Matches
0       Ali   Khaled                         Ali
1    Hamada     5ald              Hamada, 7amada
2       3ly    7mada                         3ly
3    7amada    5aled              7amada, Hamada
4    Sophia   Andrew              Sophia, Sofiya
5    Sofiya    Jaxon              Sofiya, Sophia
6  Matthieu  Jackson  Matthieu, Matthieu, Mathew
7  Matthieu   Jozeph  Matthieu, Matthieu, Mathew
8    Mathew    Andru  Mathew, Matthieu, Matthieu