通过python模糊匹配算法对两个excel表格内容归类

作者:二十六夜. 时间:2023-02-14 20:57:49 

一、问题描述

在实习的时候,需要将两个表格的内容进行匹配分类,比如两个不同的工程项目针对的对象都是A,那么就需要将这两个工程项目归类到A当中,而这当中的工程项目和施工对象数量都还挺多的,因此想着写个程序来自动将它们归类起来,这样可以减少很大一部分的工作量。

二、运用方法

由于两个表格中拥有相似的关键词,即一个表格的内容形式为为A工程项目,另一个表格的内容形式为A单位,那么我就需要将其中的“A”这个关键词相匹配就能够筛选出来了。能够达到目的的程序写法有不少,而我在这次的问题中选择了通过模糊匹配的算法来实现该功能。

三、代码编写

注:这里我们导入了difflib库,用于使用模糊匹配算法;xlwt库,用于导出excel表格

3.1

首先我们导入两个需要处理的excel表格。

df1=pd.read_excel(r'D:\杂货\项目.xlsx',sheet_name='Sheet1')
df2=pd.read_excel(r'D:\杂货\项目2.xlsx',sheet_name='Sheet1')#导入两个需要处理的excel表格

通过python模糊匹配算法对两个excel表格内容归类

通过python模糊匹配算法对两个excel表格内容归类

 两个表格的内容形式大致如上。而我的需求是将这两个表格相关的工程项目匹配归类。

导入方法不再赘述,详见:

如何在Python中导入EXCEL数据

3.2

再将我们所要处理的两列数据放入一个列表当中。

for i in df1['XXXXXX改造']:#将这两列的数据存入list1和list2两个列表中
   list1.append(i)
for j in df2['XXXXXX新改']:
   list2.append(j)

3.3

通过模糊匹配算法,将list2中的数据内容与list1中的数据内容一一匹配。

for n in range(len(list2)):#通过模糊匹配算法,将list2与list1中的数据一一匹配,设置近似度为42%,得到匹配结果res
   query_word=str(list2[n])
   res=difflib.get_close_matches(query_word,list1,1,cutoff=0.42)
   res = "".join(res)
   listx.append(res)

需要注意的是,该处调用了difflib库中的get_close_matches(query_word,list1,n,cutoff)方法,其中的query_word为被匹配的字符串;list1为要匹配的字符串列表;n为前topn个最佳匹配反回,我将其设置为1;cutoff为匹配度大小,为[0,1]的浮点数,也可以称为两者的相似程度,这个就看个人需求和具体问题来设置,我将其相似程度设置为0.42则恰好能够将我所需要匹配的两个表格的内容都匹配成功。

由于res匹配出来的每一个结果都是是列表的形式,而我们想要将结果写入新的表格当中需要字符串形式的结果,因此使用res=””.join(res)方法将列表转换为字符串的形式,然后将字符串形式的结果放入listx列表当中,以便于写入新的excel表格。

3.4

由于担心会存在匹配结果遗漏的情况出现,因此我又将list1中的数据内容与list2中的数据内容一一匹配。

for m in range(len(list1)):#同上,将list1与list2的数据一一匹配
   query_word=str(list1[m])
   res=difflib.get_close_matches(query_word,list2,1,cutoff=0.42)
   res="".join(res)
   listy.append(res)

这时我将被匹配的字符串设置为list1中的字符串,要匹配的字符串列表设置为list2,其他参数一样,相当于说我先用表格1去匹配表格2,再用表格2去匹配表格1,这样就能够较好地解决遗漏的问题。

3.5

最后设置好新的excel表格的参数

workbook=xlwt.Workbook(encoding='utf-8')#设定好新的excel表格的参数
worksheet=workbook.add_sheet('test_sheet')
worksheet.write(0,0,label='XXX改造')#从第0行第0列开始输入标签为XXX改造的数据
worksheet.write(0,1,label='XX金额')#从第0行第1列开始输入标签为XX金额的数据
worksheet.write(0,2,label='XXX新改')
worksheet.write(0,3,label='XX金额')
worksheet.write(0,4,label='已XXX金额')

for i in range(len(listx)):#写入运算出来的数据
   worksheet.write(i+1,0,label=listx[i])
for j in range(len(listy)):
   worksheet.write(j+1,2,label=listy[j])
for k in range(len(list1)):
   worksheet.write(k+1,1,label=list3[k])
for l in range(len(list2)):
   worksheet.write(l+1,3,label=list4[l])
   worksheet.write(l+1,4,label=list5[l])
workbook.save(r'D:\杂货\新项目6.xls')#导出excel表格

这里使用的向excel表格中写入数据内容的方法就不过多介绍,对于有一定处理excel经验的人能够很容易理解代码的含义。

最后输出的表格形式如下:

通过python模糊匹配算法对两个excel表格内容归类

 通过两遍匹配,两者相互匹配度都高的则会出对应地出现在表格中,而只有单一匹配度高的,则出现了左边有数据右边没有数据,或者右边有数据左边没有数据的情况。

四、代码集合

import pandas as pd
import difflib
import xlwt#导入库

df1=pd.read_excel(r'D:\杂货\项目.xlsx',sheet_name='Sheet1')
df2=pd.read_excel(r'D:\杂货\项目2.xlsx',sheet_name='Sheet1')#导入两个需要处理的excel表格

list1=[]#设置空列表,用于存储2017年一列的数据
list2=[]#用于存储2018年一列的数据
list3=list(df1['XX金额'])#将excel表格中的列数据列表化
list4=list(df2['XX金额'])
list5=list(df2['XXX金额'])
listx=[]#用于存储匹配结果的数据
listy=[]#同上
for i in df1['XXXXXXXXX改造']:#将这两列的数据存入list1和list2两个列表中
   list1.append(i)
for j in df2['XXXXXXXXXXXXX新改']:
   list2.append(j)

for n in range(len(list2)):#通过模糊匹配算法,将list2与list1中的数据一一匹配,设置近似度为42%,得到匹配结果res
   query_word=str(list2[n])
   res=difflib.get_close_matches(query_word,list1,1,cutoff=0.42)
   res = "".join(res)
   listx.append(res)

for m in range(len(list1)):#同上,将list1与list2的数据一一匹配
   query_word=str(list1[m])
   res=difflib.get_close_matches(query_word,list2,1,cutoff=0.42)
   res="".join(res)
   listy.append(res)

workbook=xlwt.Workbook(encoding='utf-8')#设定好新的excel表格的参数
worksheet=workbook.add_sheet('test_sheet')
worksheet.write(0,0,label='XXXXXXXXX改造')
worksheet.write(0,1,label='XX金额')
worksheet.write(0,2,label='XXXXXXXXXXX新改')
worksheet.write(0,3,label='XX金额')
worksheet.write(0,4,label='XXX金额')

for i in range(len(listx)):#写入运算出来的数据
   worksheet.write(i+1,0,label=listx[i])
for j in range(len(listy)):
   worksheet.write(j+1,2,label=listy[j])
for k in range(len(list1)):
   worksheet.write(k+1,1,label=list3[k])
for l in range(len(list2)):
   worksheet.write(l+1,3,label=list4[l])
   worksheet.write(l+1,4,label=list5[l])
workbook.save(r'D:\杂货\新项目6.xls')#导出excel表格

五、总结

本篇的重点在于使用了模糊匹配的算法,并且介绍该算法的使用才是本篇的目的。其他的内容则是用于辅助介绍该算法。

来源:https://blog.csdn.net/Deng333333555/article/details/126332008

标签:python,excel,归类
0
投稿

猜你喜欢

  • MySql子查询IN的执行和优化的实现

    2024-01-15 01:32:10
  • 如何使用Python实现自动化水军评论

    2022-08-25 21:15:48
  • SQL 分布式查询、插入递增列示例

    2024-01-21 01:49:39
  • Python使用邻接矩阵实现图及Dijkstra算法问题

    2022-09-30 01:22:00
  • python中json格式处理和字典的关系

    2021-04-10 04:35:12
  • 求任意自然数内的素数

    2009-10-15 12:21:00
  • python之如何查找多层嵌套字典的值

    2021-12-05 08:57:07
  • pytorch中使用cuda扩展的实现示例

    2021-02-17 23:46:55
  • 用 Python 连接 MySQL 的几种方式详解

    2023-07-25 08:08:50
  • Golang 中 omitempty的作用

    2024-04-25 15:13:03
  • python直接获取API传递回来的参数方法

    2023-11-10 18:01:59
  • ASP实例:使用ASP生成图片彩色校验码

    2009-01-20 16:27:00
  • Python操作mysql数据库实现增删查改功能的方法

    2024-01-19 13:02:18
  • 两行 JavaScript 代码

    2010-08-31 14:57:00
  • python解析命令行参数的三种方法详解

    2023-12-26 04:05:38
  • 利用python 读写csv文件

    2023-02-03 14:08:07
  • Access的特点及其概念问答

    2009-09-10 19:00:00
  • MySQL中order by排序语句的原理解析

    2024-01-24 15:43:23
  • 解决Pytorch在测试与训练过程中的验证结果不一致问题

    2022-08-18 03:50:13
  • Yii2 rbac权限控制操作步骤实例教程

    2024-05-22 10:02:18
  • asp之家 网络编程 m.aspxhome.com