计算包含两个不同数据帧中字符串的两列之间的字符串相似度

问题描述

我在特定数据框 (df1) 中有一个列，其中包含一定数量的观察值。我想计算 df1 的每个观察值与包含更多观察值的另一个数据框 (df2) 的所有观察值之间的最高相似度得分。

示例： df1-

先生。号	句子
1.	我的名字是Hitakshi
2.	我来自美国
3.	“你好！你好吗？”
4.	呆在那里

df2 -

先生。号	句子
1.	你是个白痴
2.	足够聪明
3.	我叫雅利安
4.	怎么了
5.	入住
6.	我来自美国
7.	要有耐心
8.	你很漂亮
9.	我的名字是Hitakshi

问题： 我想在 df1 的第一次观察（“我的名字是 Hitakshi”）和 df2 的所有观察（忽略标点符号）之间找到最高的字符串相似度分数。同样，对于第二次观察，依此类推。

预期输出-

句子	最高相似度得分
我的名字是Hitakshi	100
我来自美国	100
“你好！你好吗？”	40
呆在那里	20

我知道我可以使用 Jarowinkler 距离，但是我如何通过其他列的所有观察值迭代每个观察值。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）