基于部分匹配的国家名称连接两个数据框

如何解决基于部分匹配的国家名称连接两个数据框

目前，我有两个数据框，如下所示：

DF1：

日期	国家	A	B	C
01/01/2020	美国	0	1	5
01/02/2020	美国	2	5	0
01/03/2020	美国	1	4	1
...	...	...	...	...
01/01/2020	大韩民国	2	3	7
01/02/2020	大韩民国	4	5	6

和 DF2：

日期	国家	D
01/01/2020	美国	9.0
01/02/2020	美国	9.1
01/03/2020	美国	9.4
...	...	...
01/01/2020	韩国	2.1
01/02/2020	韩国	2.5

我想将它们合并到“国家/地区”和“Date_reported”上，但它们用于每个国家/地区的名称可能大不相同。我已经研究过fuzzywuzzy 和其他一些包，但我找不到一个类似合并的命令来让我做我想做的事。我希望最终得到以下数据框（使用 DF1 的国家/地区名称）：

日期	国家	A	B	C	D
01/01/2020	美国	0	1	5	9.0
01/02/2020	美国	2	5	0	9.1
01/03/2020	美国	1	4	1	9.4
...	...	...	...	...	...
01/01/2020	大韩民国	2	3	7	2.1
01/02/2020	大韩民国	4	5	6	2.5

是否有一种不需要我手动切换 DF2 的所有国家/地区名称的有效方法？感谢您在此主题上为我提供的任何帮助。

解决方法

您可以尝试一下 fuzzymatcher，但请记住它可能不适用于所有情况。

# pip install fuzzymatcher
from fuzzymatcher import link_table,fuzzy_left_join

merge_df = fuzzy_left_join(df,df1,["Country","Date"],"Date"])
merge_df = merge_df[["Date_left","Country_left","A","B","C","D"]]

    Date_left   Country_left        A   B   C   D
0   01/01/2020  The United States   0   1   5   9.0
3   01/02/2020  The United States   2   5   0   9.1
4   01/03/2020  The United States   1   4   1   9.4
5   01/01/2020  Republic of Korea   2   3   7   2.1
10  01/02/2020  Republic of Korea   4   5   6   2.5

,

您可以创建一个包含在 df1 中但不在 df2 中的国家列表，如下所示：

new_list=[]
for country in df1.country.tolist():
    if country not in df2.country.tolist():
        new_list.append(country)
        
new_list

相应地，您需要更改df2中的国家/地区名称。您可以通过使用 new_list 中存在的国家/地区创建字典来实现。

dict={"United States of America":"The United States","Republic of Korea","South Korea"}
df2["Country"].replace(dict,inplace=True)