通過python模糊匹配算法對兩個excel表格內(nèi)容歸類

更新時間：2023年03月22日 15:57:00 作者：二十六夜.

這篇文章主要介紹了通過python模糊匹配算法對兩個excel表格內(nèi)容歸類,比如兩個不同的工程項目針對的對象都是A，那么就需要將這兩個工程項目歸類到A當中,可以減少很大一部分工作量,,需要的朋友可以參考下

一、問題描述

在實習的時候，需要將兩個表格的內(nèi)容進行匹配分類，比如兩個不同的工程項目針對的對象都是A，那么就需要將這兩個工程項目歸類到A當中，而這當中的工程項目和施工對象數(shù)量都還挺多的，因此想著寫個程序來自動將它們歸類起來，這樣可以減少很大一部分的工作量。

二、運用方法

由于兩個表格中擁有相似的關(guān)鍵詞，即一個表格的內(nèi)容形式為為A工程項目，另一個表格的內(nèi)容形式為A單位，那么我就需要將其中的“A”這個關(guān)鍵詞相匹配就能夠篩選出來了。能夠達到目的的程序?qū)懛ㄓ胁簧?，而我在這次的問題中選擇了通過模糊匹配的算法來實現(xiàn)該功能。

三、代碼編寫

注：這里我們導入了difflib庫，用于使用模糊匹配算法；xlwt庫，用于導出excel表格

3.1

首先我們導入兩個需要處理的excel表格。

df1=pd.read_excel(r'D:\雜貨\項目.xlsx',sheet_name='Sheet1')
df2=pd.read_excel(r'D:\雜貨\項目2.xlsx',sheet_name='Sheet1')#導入兩個需要處理的excel表格

兩個表格的內(nèi)容形式大致如上。而我的需求是將這兩個表格相關(guān)的工程項目匹配歸類。

導入方法不再贅述，詳見：

如何在Python中導入EXCEL數(shù)據(jù)

3.2

再將我們所要處理的兩列數(shù)據(jù)放入一個列表當中。

for i in df1['XXXXXX改造']:#將這兩列的數(shù)據(jù)存入list1和list2兩個列表中
    list1.append(i)
for j in df2['XXXXXX新改']:
    list2.append(j)

3.3

通過模糊匹配算法，將list2中的數(shù)據(jù)內(nèi)容與list1中的數(shù)據(jù)內(nèi)容一一匹配。

for n in range(len(list2)):#通過模糊匹配算法，將list2與list1中的數(shù)據(jù)一一匹配，設(shè)置近似度為42%，得到匹配結(jié)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，該處調(diào)用了difflib庫中的get_close_matches(query_word,list1,n,cutoff)方法，其中的query_word為被匹配的字符串；list1為要匹配的字符串列表；n為前topn個最佳匹配反回，我將其設(shè)置為1；cutoff為匹配度大小，為[0,1]的浮點數(shù)，也可以稱為兩者的相似程度，這個就看個人需求和具體問題來設(shè)置，我將其相似程度設(shè)置為0.42則恰好能夠?qū)⑽宜枰ヅ涞膬蓚€表格的內(nèi)容都匹配成功。

由于res匹配出來的每一個結(jié)果都是是列表的形式，而我們想要將結(jié)果寫入新的表格當中需要字符串形式的結(jié)果，因此使用res=””.join(res)方法將列表轉(zhuǎn)換為字符串的形式，然后將字符串形式的結(jié)果放入listx列表當中，以便于寫入新的excel表格。

3.4

由于擔心會存在匹配結(jié)果遺漏的情況出現(xiàn)，因此我又將list1中的數(shù)據(jù)內(nèi)容與list2中的數(shù)據(jù)內(nèi)容一一匹配。

for m in range(len(list1)):#同上，將list1與list2的數(shù)據(jù)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)

這時我將被匹配的字符串設(shè)置為list1中的字符串，要匹配的字符串列表設(shè)置為list2，其他參數(shù)一樣，相當于說我先用表格1去匹配表格2，再用表格2去匹配表格1，這樣就能夠較好地解決遺漏的問題。

3.5

最后設(shè)置好新的excel表格的參數(shù)

workbook=xlwt.Workbook(encoding='utf-8')#設(shè)定好新的excel表格的參數(shù)
worksheet=workbook.add_sheet('test_sheet')
worksheet.write(0,0,label='XXX改造')#從第0行第0列開始輸入標簽為XXX改造的數(shù)據(jù)
worksheet.write(0,1,label='XX金額')#從第0行第1列開始輸入標簽為XX金額的數(shù)據(jù)
worksheet.write(0,2,label='XXX新改')
worksheet.write(0,3,label='XX金額')
worksheet.write(0,4,label='已XXX金額')
 
for i in range(len(listx)):#寫入運算出來的數(shù)據(jù)
    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:\雜貨\新項目6.xls')#導出excel表格

這里使用的向excel表格中寫入數(shù)據(jù)內(nèi)容的方法就不過多介紹，對于有一定處理excel經(jīng)驗的人能夠很容易理解代碼的含義。

最后輸出的表格形式如下：

通過兩遍匹配，兩者相互匹配度都高的則會出對應地出現(xiàn)在表格中，而只有單一匹配度高的，則出現(xiàn)了左邊有數(shù)據(jù)右邊沒有數(shù)據(jù)，或者右邊有數(shù)據(jù)左邊沒有數(shù)據(jù)的情況。

四、代碼集合

import pandas as pd
import difflib
import xlwt#導入庫
 
df1=pd.read_excel(r'D:\雜貨\項目.xlsx',sheet_name='Sheet1')
df2=pd.read_excel(r'D:\雜貨\項目2.xlsx',sheet_name='Sheet1')#導入兩個需要處理的excel表格
 
list1=[]#設(shè)置空列表，用于存儲2017年一列的數(shù)據(jù)
list2=[]#用于存儲2018年一列的數(shù)據(jù)
list3=list(df1['XX金額'])#將excel表格中的列數(shù)據(jù)列表化
list4=list(df2['XX金額'])
list5=list(df2['XXX金額'])
listx=[]#用于存儲匹配結(jié)果的數(shù)據(jù)
listy=[]#同上
for i in df1['XXXXXXXXX改造']:#將這兩列的數(shù)據(jù)存入list1和list2兩個列表中
    list1.append(i)
for j in df2['XXXXXXXXXXXXX新改']:
    list2.append(j)
 
for n in range(len(list2)):#通過模糊匹配算法，將list2與list1中的數(shù)據(jù)一一匹配，設(shè)置近似度為42%，得到匹配結(jié)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，將list1與list2的數(shù)據(jù)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')#設(shè)定好新的excel表格的參數(shù)
worksheet=workbook.add_sheet('test_sheet')
worksheet.write(0,0,label='XXXXXXXXX改造')
worksheet.write(0,1,label='XX金額')
worksheet.write(0,2,label='XXXXXXXXXXX新改')
worksheet.write(0,3,label='XX金額')
worksheet.write(0,4,label='XXX金額')
 
for i in range(len(listx)):#寫入運算出來的數(shù)據(jù)
    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:\雜貨\新項目6.xls')#導出excel表格