将SequenceMatcher应用于DataFrame

Question

我是熊猫和Python的新手，所以我希望有人能帮我解决这个简单的问题。我有一个大型的dataframe m，它有几百万行和七列，包括一个ITEM_NAME_x和ITEM_NAME_y。我希望比较使用ITEM_NAME_x和ITEM_NAME_y的SequenceMatcher.ratio()，并将一个新列添加到dataframe和结果中。

我尝试了几种方法，但不断地遇到错误：

>>> m.apply(SequenceMatcher(None, str(m.ITEM_NAME_x), str(m.ITEM_NAME_y)).ratio(), axis=1)

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\Python33\lib\site-packages\pandas\core\frame.py", line 4416, in apply
return self._apply_standard(f, axis)
  File "C:\Python33\lib\site-packages\pandas\core\frame.py", line 4491, in _apply_standard
raise e
  File "C:\Python33\lib\site-packages\pandas\core\frame.py", line 4480, in _apply_standard
results[i] = func(v)
TypeError: ("'float' object is not callable", 'occurred at index 0')

有人能帮我解决这个问题吗？

Answer 1

您必须应用一个函数，而不是SequenceMatcher(None, str(m.ITEM_NAME_x), str(m.ITEM_NAME_y)).ratio()表达式的浮点。

工作演示(草案)：

import difflib
from functools import partial
import pandas as pd

def apply_sm(s, c1, c2): 
    return difflib.SequenceMatcher(None, s[c1], s[c2]).ratio()

df = pd.DataFrame({'A': {1: 'one'}, 'B': {1: 'two'}})
print df.apply(partial(apply_sm, c1='A', c2='B'), axis=1)

产出：

1    0.333333
dtype: float64