Fuzzy Wuzzy Logic 多条记录

如何解决Fuzzy Wuzzy Logic 多条记录

我有两个数据集；一个具有具有相应县的唯一记录集，另一个具有具有唯一单元号的重复记录。

以下是具有重复记录但具有唯一单元号的数据集示例：

阿尔比恩志愿消防队 62QRS

阿尔比恩志愿消防队 62EMS

另一个数据集具有唯一的部门及其对应的县。

阿尔比恩志愿消防队伊利

模糊逻辑适用于单位名称 Albion Volunteer Fire Department。问题是 Erie 一词仅应用于其中一个记录，而另一个县的分配不正确。

import pandas as pd
import numpy as np
import os
from fuzzywuzzy import fuzz
from fuzzywuzzy import process

df_1 = pd.read_csv('ori2.csv')
df_2 = pd.read_csv('EMS.csv')

df_1.rename(columns={'Agency Type' : 'Type'},inplace=True)
df_1 = df_1.loc[(df_1.Type == "EMS")]
#df_2 = df_2.loc[(df_2.County == "Erie")]
df_2.rename(columns={'ApplicantName' : 'Department'},inplace=True)


def fuzzy_merge(df_1,df_2,key1,key2,threshold=90,limit=1):
    
    s = df_2[key2].tolist()

    m = df_1[key1].apply(lambda x: process.extract(x,s,limit=limit))    
    df_1['matches'] = m

    m2 = df_1['matches'].apply(lambda x: ','.join([i[0] for i in x if i[1] >= threshold]))
    df_1['matches'] = m2


 df_1['counties'] = df_2['County']
    
    return df_1
                   
               
               
df = fuzzy_merge(df_1,'Department',limit=1)
df.sort_values(by='Department',ascending=True).reset_index()

我认为问题在于我在 df_1 中创建一个名为counties 的新列并将其分配给df_2['County']。结果应该是 Erie，因为它在一个县而不是另一个县，因为代码引入了合并的数据帧。

谢谢