{"id":2913,"date":"2023-07-20T03:08:41","date_gmt":"2023-07-20T03:08:41","guid":{"rendered":"https:\/\/statorials.org\/de\/fuzzy-passende-pandas\/"},"modified":"2023-07-20T03:08:41","modified_gmt":"2023-07-20T03:08:41","slug":"fuzzy-passende-pandas","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/fuzzy-passende-pandas\/","title":{"rendered":"So f\u00fchren sie fuzzy matching in pandas durch (mit beispiel)"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">H\u00e4ufig m\u00f6chten Sie m\u00f6glicherweise zwei Datens\u00e4tze in Pandas auf der Grundlage unvollst\u00e4ndig \u00fcbereinstimmender Zeichenfolgen zusammenf\u00fcgen. Dies wird als <strong>Fuzzy-Matching<\/strong> bezeichnet.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Der einfachste Weg, Fuzzy-Matching in Pandas durchzuf\u00fchren, ist die Verwendung der Funktion <strong>get_close_matches()<\/strong> aus dem <strong>Difflib-<\/strong> Paket.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Das folgende Beispiel zeigt, wie Sie diese Funktion in der Praxis nutzen k\u00f6nnen.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Beispiel: Fuzzy-Korrespondenz in Pandas<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Nehmen wir an, wir haben die folgenden zwei Panda-DataFrames, die Informationen \u00fcber verschiedene Basketballteams enthalten:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <span style=\"color: #000000;\"><strong><span style=\"color: #008000;\">import<\/span> pandas <span style=\"color: #008000;\">as<\/span> pd\n\n<span style=\"color: #008080;\">#create two DataFrames\n<\/span>df1 = pd. <span style=\"color: #3366ff;\">DataFrame<\/span> ({' <span style=\"color: #ff0000;\">team<\/span> ': ['Mavericks', 'Nets', 'Warriors', 'Heat', 'Lakers'],\n                    ' <span style=\"color: #ff0000;\">points<\/span> ': [99, 90, 104, 117, 100]})\n\ndf2 = pd. <span style=\"color: #3366ff;\">DataFrame<\/span> ({' <span style=\"color: #ff0000;\">team<\/span> ': ['Mavricks', 'Warrors', 'Heat', 'Netts', 'Lakes'],\n                    ' <span style=\"color: #ff0000;\">assists<\/span> ': [22, 29, 17, 40, 32]})\n\n<span style=\"color: #008080;\">#view DataFrames\n<\/span><span style=\"color: #008000;\">print<\/span> (df1)\n\n        team points\n0 Mavericks 99\n1 Nets 90\n2 Warriors 104\n3 Heat 117\n4 Lakers 100\n\n<span style=\"color: #008000;\">print<\/span> (df2)\n\n       team assists\n0 Mavricks 22\n1 Warriors 29\n2 Heat 17\n3 Netts 40\n4 Lakes 32<\/strong><\/span><\/pre>\n<p> <span style=\"color: #000000;\">Nehmen wir nun an, wir m\u00f6chten die beiden DataFrames basierend auf der Spalte <strong>\u201eTeam\u201c<\/strong> zusammenf\u00fchren.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Da sich die Teamnamen zwischen den beiden DataFrames geringf\u00fcgig unterscheiden, m\u00fcssen wir Fuzzy-Matching verwenden, um die Teamnamen zu finden, die am meisten \u00fcbereinstimmen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Wir k\u00f6nnen dazu die Funktion <strong>get_close_matches()<\/strong> aus dem <strong>difflib-<\/strong> Paket verwenden:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <span style=\"color: #000000;\"><strong><span style=\"color: #008000;\">import<\/span> difflib \n\n<span style=\"color: #008080;\">#create duplicate column to retain team name from df2\n<\/span>df2[' <span style=\"color: #ff0000;\">team_match<\/span> '] = df2[' <span style=\"color: #ff0000;\">team<\/span> ']\n\n<span style=\"color: #008080;\">#convert team name in df2 to team name it most closely matches in df1\n<\/span>df2[' <span style=\"color: #ff0000;\">team<\/span> '] = df2[' <span style=\"color: #ff0000;\">team<\/span> ']. <span style=\"color: #3366ff;\">apply<\/span> (lambda x: difflib. <span style=\"color: #3366ff;\">get_close_matches<\/span> (x, df1[' <span style=\"color: #ff0000;\">team<\/span> '])[ <span style=\"color: #008000;\">0<\/span> ])\n\n<span style=\"color: #008080;\">#merge the DataFrames into one<\/span>\ndf3 = df1. <span style=\"color: #3366ff;\">merge<\/span> (df2)\n\n<span style=\"color: #008080;\">#view final DataFrame\n<\/span><span style=\"color: #008000;\">print<\/span> (df3)\n\n        team points assists team_match\n0 Mavericks 99 22 Mavricks\n1 Nets 90 40 Nets\n2 Warriors 104 29 Warriors\n3 Heat 117 17 Heat\n4 Lakers 100 32 Lakes<\/strong><\/span><\/pre>\n<p> <span style=\"color: #000000;\">Das Ergebnis ist ein Datenrahmen, der jeden der f\u00fcnf Teamnamen aus dem ersten DataFrame sowie das Team enth\u00e4lt, das am ehesten mit dem zweiten DataFrame \u00fcbereinstimmt.<\/span><\/p>\n<p> <span style=\"color: #000000;\">In der Spalte <strong>\u201eteam_match\u201c<\/strong> wird der Teamname aus dem zweiten DataFrame angezeigt, der am ehesten mit dem Teamnamen aus dem ersten DataFrame \u00fcbereinstimmt.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Hinweis Nr. 1<\/strong> : Standardm\u00e4\u00dfig gibt <strong>get_close_matches()<\/strong> die drei n\u00e4chsten \u00dcbereinstimmungen zur\u00fcck. Durch die Verwendung von <strong>[0]<\/strong> am Ende der Lambda-Funktion konnten wir jedoch nur die \u00e4hnlichste Teamnamen\u00fcbereinstimmung zur\u00fcckgeben.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Hinweis Nr. 2:<\/strong> Die vollst\u00e4ndige Dokumentation f\u00fcr die Funktion <strong>get_close_matches()<\/strong> finden Sie <a href=\"https:\/\/docs.python.org\/3\/library\/difflib.html\" target=\"_blank\" rel=\"noopener\">hier<\/a> .<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">In den folgenden Tutorials wird erl\u00e4utert, wie Sie andere h\u00e4ufige Aufgaben in Pandas ausf\u00fchren:<\/span><\/p>\n<p> <a href=\"https:\/\/statorials.org\/de\/pandas-fuhren-mehrere-spalten-zusammen\/\" target=\"_blank\" rel=\"noopener\">So f\u00fchren Sie Pandas DataFrames \u00fcber mehrere Spalten hinweg zusammen<\/a><br \/> So f\u00fchren Sie zwei Pandas DataFrames im Index zusammen<br \/> <a href=\"https:\/\/statorials.org\/de\/pandas-verbinden-vs.-verschmelzen\/\" target=\"_blank\" rel=\"noopener\">Pandas beitreten oder fusionieren: Was ist der Unterschied?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>H\u00e4ufig m\u00f6chten Sie m\u00f6glicherweise zwei Datens\u00e4tze in Pandas auf der Grundlage unvollst\u00e4ndig \u00fcbereinstimmender Zeichenfolgen zusammenf\u00fcgen. Dies wird als Fuzzy-Matching bezeichnet. Der einfachste Weg, Fuzzy-Matching in Pandas durchzuf\u00fchren, ist die Verwendung der Funktion get_close_matches() aus dem Difflib- Paket. Das folgende Beispiel zeigt, wie Sie diese Funktion in der Praxis nutzen k\u00f6nnen. Beispiel: Fuzzy-Korrespondenz in Pandas Nehmen [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>So f\u00fchren Sie Fuzzy Matching in Pandas durch (mit Beispiel) \u2013 Statorials<\/title>\n<meta name=\"description\" content=\"In diesem Tutorial wird erl\u00e4utert, wie Fuzzy-Matching in Pandas durchgef\u00fchrt wird, einschlie\u00dflich eines vollst\u00e4ndigen Beispiels.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/de\/fuzzy-passende-pandas\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"So f\u00fchren Sie Fuzzy Matching in Pandas durch (mit Beispiel) \u2013 Statorials\" \/>\n<meta property=\"og:description\" content=\"In diesem Tutorial wird erl\u00e4utert, wie Fuzzy-Matching in Pandas durchgef\u00fchrt wird, einschlie\u00dflich eines vollst\u00e4ndigen Beispiels.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/de\/fuzzy-passende-pandas\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-20T03:08:41+00:00\" \/>\n<meta name=\"author\" content=\"Dr. Benjamin Anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr. Benjamin Anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"2 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/de\/fuzzy-passende-pandas\/\",\"url\":\"https:\/\/statorials.org\/de\/fuzzy-passende-pandas\/\",\"name\":\"So f\u00fchren Sie Fuzzy Matching in Pandas durch (mit Beispiel) \u2013 Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/de\/#website\"},\"datePublished\":\"2023-07-20T03:08:41+00:00\",\"dateModified\":\"2023-07-20T03:08:41+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0\"},\"description\":\"In diesem Tutorial wird erl\u00e4utert, wie Fuzzy-Matching in Pandas durchgef\u00fchrt wird, einschlie\u00dflich eines vollst\u00e4ndigen Beispiels.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/de\/fuzzy-passende-pandas\/#breadcrumb\"},\"inLanguage\":\"de-DE\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/de\/fuzzy-passende-pandas\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/de\/fuzzy-passende-pandas\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Heim\",\"item\":\"https:\/\/statorials.org\/de\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"So f\u00fchren sie fuzzy matching in pandas durch (mit beispiel)\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/de\/#website\",\"url\":\"https:\/\/statorials.org\/de\/\",\"name\":\"Statorials\",\"description\":\"Ihr Leitfaden f\u00fcr statistische Kompetenz !\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de-DE\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0\",\"name\":\"Dr. Benjamin Anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de-DE\",\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr. Benjamin Anderson\"},\"description\":\"Hallo, ich bin Benjamin, ein pensionierter Statistikprofessor, der sich zum engagierten Statorials-Lehrer entwickelt hat. Mit umfassender Erfahrung und Fachwissen auf dem Gebiet der Statistik bin ich bestrebt, mein Wissen zu teilen, um Studenten durch Statorials zu bef\u00e4higen. Mehr wissen\",\"sameAs\":[\"https:\/\/statorials.org\/de\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"So f\u00fchren Sie Fuzzy Matching in Pandas durch (mit Beispiel) \u2013 Statorials","description":"In diesem Tutorial wird erl\u00e4utert, wie Fuzzy-Matching in Pandas durchgef\u00fchrt wird, einschlie\u00dflich eines vollst\u00e4ndigen Beispiels.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/de\/fuzzy-passende-pandas\/","og_locale":"de_DE","og_type":"article","og_title":"So f\u00fchren Sie Fuzzy Matching in Pandas durch (mit Beispiel) \u2013 Statorials","og_description":"In diesem Tutorial wird erl\u00e4utert, wie Fuzzy-Matching in Pandas durchgef\u00fchrt wird, einschlie\u00dflich eines vollst\u00e4ndigen Beispiels.","og_url":"https:\/\/statorials.org\/de\/fuzzy-passende-pandas\/","og_site_name":"Statorials","article_published_time":"2023-07-20T03:08:41+00:00","author":"Dr. Benjamin Anderson","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr. Benjamin Anderson","Gesch\u00e4tzte Lesezeit":"2 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/de\/fuzzy-passende-pandas\/","url":"https:\/\/statorials.org\/de\/fuzzy-passende-pandas\/","name":"So f\u00fchren Sie Fuzzy Matching in Pandas durch (mit Beispiel) \u2013 Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/de\/#website"},"datePublished":"2023-07-20T03:08:41+00:00","dateModified":"2023-07-20T03:08:41+00:00","author":{"@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0"},"description":"In diesem Tutorial wird erl\u00e4utert, wie Fuzzy-Matching in Pandas durchgef\u00fchrt wird, einschlie\u00dflich eines vollst\u00e4ndigen Beispiels.","breadcrumb":{"@id":"https:\/\/statorials.org\/de\/fuzzy-passende-pandas\/#breadcrumb"},"inLanguage":"de-DE","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/de\/fuzzy-passende-pandas\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/de\/fuzzy-passende-pandas\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Heim","item":"https:\/\/statorials.org\/de\/"},{"@type":"ListItem","position":2,"name":"So f\u00fchren sie fuzzy matching in pandas durch (mit beispiel)"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/de\/#website","url":"https:\/\/statorials.org\/de\/","name":"Statorials","description":"Ihr Leitfaden f\u00fcr statistische Kompetenz !","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de-DE"},{"@type":"Person","@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0","name":"Dr. Benjamin Anderson","image":{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/image\/","url":"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","contentUrl":"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","caption":"Dr. Benjamin Anderson"},"description":"Hallo, ich bin Benjamin, ein pensionierter Statistikprofessor, der sich zum engagierten Statorials-Lehrer entwickelt hat. Mit umfassender Erfahrung und Fachwissen auf dem Gebiet der Statistik bin ich bestrebt, mein Wissen zu teilen, um Studenten durch Statorials zu bef\u00e4higen. Mehr wissen","sameAs":["https:\/\/statorials.org\/de"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts\/2913"}],"collection":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/comments?post=2913"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts\/2913\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/media?parent=2913"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/categories?post=2913"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/tags?post=2913"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}