问题描述
df['company'].apply(lambda x: ''.join(next((v for k,v in domains.items() if k == x or difflib.SequenceMatcher(None,k,x).ratio() > 0.7 or difflib.SequenceMatcher(None,x).ratio() > 0.5),'No match')))
它旨在将df['company']
字符串与domains
词典中最接近的字符串进行匹配,首先是如果字符串完全匹配,然后如果difflib.SequenceMatcher
ratio()
大于70 %,然后是50%。
问题1:这非常慢。 2k记录需要花费几分钟。如果您对如何优化我的代码有任何建议,将非常感谢您的帮助。
问题2:无论选择or
的顺序如何,代码都会选择找到的第一个匹配项。我该如何强迫它选择“最准确”的可用发现(例如k == x
),然后停止迭代?
谢谢您的帮助! 干杯!
更新: 我能找到的最佳解决方案是:
def matcher(x):
matches = []
for k,v in domains.items():
if k == x:
matches.append((v,1))
elif difflib.SequenceMatcher(None,x).ratio() > 0.70:
matches.append((v,difflib.SequenceMatcher(None,x).ratio()))
elif difflib.SequenceMatcher(None,x).ratio() > 0.50:
matches.append((v,x).ratio()))
else:
continue
return sorted(matches,key=lambda y: y[1],reverse=True)[0][0]
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@)