基于两列模糊匹配的数据合并

Question

我尝试根据ID和辅助ID合并两个数据文件。以下是两个数据文件的示例：

First ID                  Second ID               Company
10056526008010            0.000000e+00            Company A
10022337820851            8.152050e+11            Company B
722337820853              8.152050e+11            Company C
10056526008010            0.000000e+00            Company E
10022337820851            6.290250e+11            Company D

First ID                  Second ID               Company               Availability
878968000512              0.000000e+00            Company F             Y
10022337820851            8.152050e+11            Company B             Y
10022337820851            8.152050e+11            Company B             Y
722337820853              8.152050e+11            Company C             N
10056526008010            0.000000e+00            Company E             N
10056526008010            0.000000e+00            Company G             N
10022337820851            6.290250e+11            Company D             Y

我希望能够根据第一个ID与第一个ID的匹配进行合并，然后检查二级ID是否匹配，如果匹配，则应该合并，如果不匹配，则不应该合并(我怀疑需要内部合并)。如果次要ID为0，则应执行公司名称的模糊匹配。有办法这样做吗？所需的输出如下所示：

First ID                  Second ID               Company           Availability
10022337820851            8.152050e+11            Company B         Y
722337820853              8.152050e+11            Company C         N    
10056526008010            0.000000e+00            Company E         N
10056526008010            0.000000e+00            Company G         N
10022337820851            6.290250e+11            Company D         Y

这样，首先根据第一个ID匹配2个数据，然后使用第二个ID检查重复的ID，如果第二个ID为0时，将执行基于Company的类似匹配。如果第二个ID或Company没有匹配，那么该行就不会进行合并。

Answer 1

假设数据为df1和df2，那么您可以首先对id使用merge，然后对次要id为0的情况进行筛选：

merged = df1.merge(df2, on=['First ID', 'Second ID'], suffixes=('_left', '_right'))
mask = fuzzy_match(merged['Company_left'], merged['Company_right']) | merged['Second ID_left'] != 0
merged[mask]

这里，fuzzy_match是一个函数，它接受两个序列并返回一个布尔序列或数组。