在一个非常大的文件上应用FuzzyLogic

如何解决在一个非常大的文件上应用FuzzyLogic

嗨,我正在尝试应用Fuzzylogic比较两个不同文件中的字符串。这段代码适用于较小的数据集。但是,当我尝试在大型数据集上应用相同的代码时,我遇到了内存问题。当我运行代码时,它显示Low memory Unable to create 6.6GB array

from fuzzywuzzy import fuzz
from fuzzywuzzy import process
import difflib
import pandas as pd

df_To_beMatched = pd.read_excel('vendor_file.xlsx',encoding='utf-8',usecols=["vendOR_NAME"])
df_To_beMatched['vendOR_NAME'] = df_To_beMatched['vendOR_NAME'].fillna('')
original_list = df_To_beMatched['vendOR_NAME'].tolist()
# print(original_list)

df_exceptionlist = pd.read_excel('Exceptionfile.xlsx',usecols=["Entity_Name"])
df_exceptionlist['Entity_Name'] = df_exceptionlist['Entity_Name'].fillna('')
exception_list = df_exceptionlist['Entity_Name'].tolist()

# print(exception_list)

result = []
result_difflib = []
for exp in exception_list:
    to_delete = exp
    for orig in original_list:
        original = orig
        # print(to_delete,original)
        ratio = fuzz.ratio(to_delete,original)
        token = fuzz.token_set_ratio(to_delete,original)
        partial_ratio = fuzz.partial_ratio(to_delete,original)
        # print(ratio,to_delete,original)
        if ratio > 75 and token > 75 and partial_ratio > 85:
            print(ratio,original)
            result.append({'Entity_Name': to_delete,'vendOR_NAME': original,'Ratio': ratio,'Token': token,'Status': 'Match'})
            break

    difflib_result = difflib.get_close_matches(to_delete,original_list)
    matches = "^".join(difflib_result)
    result_difflib.append({'Entity_Name': to_delete,'Matches': matches})

    fuzzy_df = pd.DataFrame(result)

    fuzzy_df.to_csv('FuzzyLogic_Results.csv',index=False)


版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


Selenium Web驱动程序和Java。元素在(x,y)点处不可单击。其他元素将获得点击?
Python-如何使用点“。” 访问字典成员?
Java 字符串是不可变的。到底是什么意思?
Java中的“ final”关键字如何工作?(我仍然可以修改对象。)
“loop:”在Java代码中。这是什么,为什么要编译?
java.lang.ClassNotFoundException:sun.jdbc.odbc.JdbcOdbcDriver发生异常。为什么?
这是用Java进行XML解析的最佳库。
Java的PriorityQueue的内置迭代器不会以任何特定顺序遍历数据结构。为什么?
如何在Java中聆听按键时移动图像。
Java“Program to an interface”。这是什么意思?
Java在半透明框架/面板/组件上重新绘画。
Java“ Class.forName()”和“ Class.forName()。newInstance()”之间有什么区别?
在此环境中不提供编译器。也许是在JRE而不是JDK上运行?
Java用相同的方法在一个类中实现两个接口。哪种接口方法被覆盖?
Java 什么是Runtime.getRuntime()。totalMemory()和freeMemory()?
java.library.path中的java.lang.UnsatisfiedLinkError否*****。dll
JavaFX“位置是必需的。” 即使在同一包装中
Java 导入两个具有相同名称的类。怎么处理?
Java 是否应该在HttpServletResponse.getOutputStream()/。getWriter()上调用.close()?
Java RegEx元字符(。)和普通点?