python - 创建模糊重复键以使用模糊匹配对行求和 (Pandas)

Question

所以我有一个表格，我在其中确定了模糊匹配和金额。我希望能够通过这个公共(public)键来汇总金额。

我的数据是这样的:

<表类="s-表"><头>姓名匹配1比赛2数量<正文>詹姆詹姆斯吉姆1詹姆詹姆斯吉姆2迈克麦克斯三池3詹姆斯詹姆吉姆4吉姆詹姆詹姆斯5麦克斯迈克三池6三池迈克麦克斯7

data = {'Name': {0: 'Jame',
  1: 'Jame',
  2: 'Mike',
  3: 'James',
  4: 'Jim',
  5: 'Mikes',
  6: 'Miike'},
 'Match1': {0: 'James',
  1: 'James',
  2: 'Mikes',
  3: 'Jame',
  4: 'Jame',
  5: 'Mike',
  6: 'Mike'},
 'Match2': {0: 'Jim',
  1: 'Jim',
  2: 'Miike',
  3: 'Jim',
  4: 'James',
  5: 'Miike',
  6: 'Mikes'},
 'Amount': {0: 1, 1: 2, 2: 3, 3: 4, 4: 5, 5: 6, 6: 7}}

df = pd.DataFrame.from_dict(data)

我希望我的结果表看起来像:

<表类="s-表"><头>键姓名匹配1比赛2数量<正文>詹姆詹姆詹姆斯吉姆1詹姆詹姆詹姆斯吉姆2迈克迈克麦克斯三池3詹姆詹姆斯詹姆吉姆4詹姆吉姆詹姆詹姆斯5迈克麦克斯迈克三池6迈克三池迈克麦克斯7

所以我可以这样总结我的数据:

<表类="s-表"><头>姓名数量<正文>詹姆12迈克16

Answer 1

如果您最初拥有数据框的键列表，则可以执行此操作。

mylist = ['Jame','Mike']

df['Key'] = [j for i in df.to_numpy() for j in mylist if j in i]

df.set_index(df.columns[-1]).reset_index(inplace=True)

    Key   Name Match1 Match2  Amount
0  Jame   Jame  James    Jim       1
1  Jame   Jame  James    Jim       2
2  Mike   Mike  Mikes  Miike       3
3  Jame  James   Jame    Jim       4
4  Jame    Jim   Jame  James       5
5  Mike  Mikes   Mike  Miike       6
6  Mike  Miike   Mike  Mikes       7

然后，您可以执行 groupby.sum 以获得所需的输出。

df.groupby('Key')['Amount'].sum().reset_index()
    Key  Amount
0  Jame      12
1  Mike      16

更新

通过dataframe获取key，可以使用fuzzywuzzy中的process.extractOne来比较一行中每个元素的匹配百分比。如果小于阈值，我们将更新 key 。

from fuzzywuzzy import process

key = [df.Name[0]]

for row in df.to_numpy():
    for i in row:
        if 50 < process.extractOne(i, key)[1]:
            break
        else:
            key.append(row[0])
            break
            

key
Out[65]: ['Jame', 'Mike']