使用Difflib组合Excel工作表

Question

我一直在尝试根据它们自己的名字列将两个excel表合并在一起。我使用this作为参考。

在df1中，名称列是Local Customer df2，名称列是Client

import difflib
import pandas as pd

path=  'C:/Users/Rukgo/Desktop/Match thing/'

df1=pd.read_excel(path+'2015_TXNs.xls')
df2=pd.read_excel(path+'Pipeline.xls')
df2['Client'] = df2['Client'].apply(lambda x: difflib.get_close_matches(x, df1['Local Customer'])[0])

result = df1.join(df2)

result.to_excel(path+'maybe.xls')

但是，当我运行这个程序时，我会得到以下错误：

File "C:/Users/Rukgo/Desktop/Match Things/untitled3.py", line 16, in <lambda>
df2['Client'] = df2['Client'].apply(lambda x: difflib.get_close_matches(x, df1['Local Customer'])[0])

IndexError: list index out of range

Answer 1

这意味着有时没有找到接近的匹配，但是您需要一个空列表的第一个元素[0]

向lambda函数添加一个条件，以测试是否至少有一个结果。

如果您决定在没有匹配元素的情况下保留原始DataFrame的元素，下面是代码。

def replacement(x, **kwargs):
    matches = difflib.get_close_matches(x, kwargs['l'])
    if ( matches ):
        return matches[0]
    else:
        return x


df2['Client'] = df2['Client'].apply( replacement(x, l=df1['Local Customer'] ) )