{"id":2915,"date":"2023-07-20T03:08:41","date_gmt":"2023-07-20T03:08:41","guid":{"rendered":"https:\/\/statorials.org\/it\/panda-abbinati-fuzzy\/"},"modified":"2023-07-20T03:08:41","modified_gmt":"2023-07-20T03:08:41","slug":"panda-abbinati-fuzzy","status":"publish","type":"post","link":"https:\/\/statorials.org\/it\/panda-abbinati-fuzzy\/","title":{"rendered":"Come eseguire la corrispondenza fuzzy in panda (con esempio)"},"content":{"rendered":"

<\/p>\n

\n

Spesso potresti voler unire due set di dati insieme in panda basati su stringhe che corrispondono in modo imperfetto. Questo si chiama corrispondenza fuzzy<\/strong> .<\/span><\/p>\n

Il modo pi\u00f9 semplice per eseguire la corrispondenza fuzzy nei panda \u00e8 utilizzare la funzione get_close_matches()<\/strong> dal pacchetto difflib<\/strong> .<\/span><\/p>\n

L’esempio seguente mostra come utilizzare questa funzione nella pratica.<\/span><\/p>\n

Esempio: corrispondenza fuzzy nei panda<\/strong><\/span><\/h3>\n

Supponiamo di avere i seguenti due DataFrames panda che contengono informazioni su varie squadre di basket:<\/span><\/p>\n

 import<\/span> pandas as<\/span> pd\n\n#create two DataFrames\n<\/span>df1 = pd. DataFrame<\/span> ({' team<\/span> ': ['Mavericks', 'Nets', 'Warriors', 'Heat', 'Lakers'],\n                    ' points<\/span> ': [99, 90, 104, 117, 100]})\n\ndf2 = pd. DataFrame<\/span> ({' team<\/span> ': ['Mavricks', 'Warrors', 'Heat', 'Netts', 'Lakes'],\n                    ' assists<\/span> ': [22, 29, 17, 40, 32]})\n\n#view DataFrames\n<\/span>print<\/span> (df1)\n\n        team points\n0 Mavericks 99\n1 Nets 90\n2 Warriors 104\n3 Heat 117\n4 Lakers 100\n\nprint<\/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
 Ora diciamo che vogliamo unire i due DataFrame in base alla colonna Team<\/strong> .<\/span><\/p>\n
 Poich\u00e9 i nomi delle squadre sono leggermente diversi tra i due DataFrame, dobbiamo utilizzare la corrispondenza fuzzy per trovare i nomi delle squadre che corrispondono di pi\u00f9.<\/span><\/p>\n
 Possiamo usare la funzione get_close_matches()<\/strong> dal pacchetto difflib<\/strong> per fare questo:<\/span><\/p>\n
 import<\/span> difflib \n\n#create duplicate column to retain team name from df2\n<\/span>df2[' team_match<\/span> '] = df2[' team<\/span> ']\n\n#convert team name in df2 to team name it most closely matches in df1\n<\/span>df2[' team<\/span> '] = df2[' team<\/span> ']. apply<\/span> (lambda x: difflib. get_close_matches<\/span> (x, df1[' team<\/span> '])[ 0<\/span> ])\n\n#merge the DataFrames into one<\/span>\ndf3 = df1. merge<\/span> (df2)\n\n#view final DataFrame\n<\/span>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
 Il risultato \u00e8 un frame di dati contenente ciascuno dei cinque nomi di squadra del primo DataFrame, nonch\u00e9 la squadra che corrisponde maggiormente al secondo DataFrame.<\/span><\/p>\n
 La colonna team_match<\/strong> mostra il nome della squadra del secondo DataFrame che corrisponde maggiormente al nome della squadra del primo DataFrame.<\/span><\/p>\n
 Nota n. 1<\/strong> : per impostazione predefinita, get_close_matches()<\/strong> restituisce le tre corrispondenze pi\u00f9 vicine. Tuttavia, utilizzando [0]<\/strong> alla fine della funzione lambda, siamo riusciti a restituire solo la corrispondenza del nome della squadra pi\u00f9 vicina.<\/span><\/p>\n
 Nota n.2:<\/strong> puoi trovare la documentazione completa per la funzione get_close_matches()<\/strong> qui<\/a> .<\/span><\/p>\n
 Risorse addizionali<\/strong><\/span><\/h3>\n
 I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni nei panda:<\/span><\/p>\n
 Come unire Pandas DataFrames su pi\u00f9 colonne<\/a>
 Come unire due DataFrames Panda su index
 Panda si uniscono o si uniscono: qual \u00e8 la differenza?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"
Spesso potresti voler unire due set di dati insieme in panda basati su stringhe che corrispondono in modo imperfetto. Questo si chiama corrispondenza fuzzy . Il modo pi\u00f9 semplice per eseguire la corrispondenza fuzzy nei panda \u00e8 utilizzare la funzione get_close_matches() dal pacchetto difflib . L’esempio seguente mostra come utilizzare questa funzione nella pratica. Esempio: […]<\/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":"\nCome eseguire la corrispondenza fuzzy nei Panda (con esempio) - Statorials<\/title>\n<meta name=\"description\" content=\"Questo tutorial spiega come eseguire la corrispondenza fuzzy nei panda, incluso un esempio completo.\" \/>\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\/it\/panda-abbinati-fuzzy\/\" \/>\n<meta property=\"og:locale\" content=\"it_IT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Come eseguire la corrispondenza fuzzy nei Panda (con esempio) - Statorials\" \/>\n<meta property=\"og:description\" content=\"Questo tutorial spiega come eseguire la corrispondenza fuzzy nei panda, incluso un esempio completo.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/it\/panda-abbinati-fuzzy\/\" \/>\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=\"Benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data2\" content=\"2 minuti\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/it\/panda-abbinati-fuzzy\/\",\"url\":\"https:\/\/statorials.org\/it\/panda-abbinati-fuzzy\/\",\"name\":\"Come eseguire la corrispondenza fuzzy nei Panda (con esempio) - Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/it\/#website\"},\"datePublished\":\"2023-07-20T03:08:41+00:00\",\"dateModified\":\"2023-07-20T03:08:41+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/it\/#\/schema\/person\/0896f191fb9fb019f2cd8623112cb3ae\"},\"description\":\"Questo tutorial spiega come eseguire la corrispondenza fuzzy nei panda, incluso un esempio completo.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/it\/panda-abbinati-fuzzy\/#breadcrumb\"},\"inLanguage\":\"it-IT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/it\/panda-abbinati-fuzzy\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/it\/panda-abbinati-fuzzy\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Casa\",\"item\":\"https:\/\/statorials.org\/it\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Come eseguire la corrispondenza fuzzy in panda (con esempio)\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/it\/#website\",\"url\":\"https:\/\/statorials.org\/it\/\",\"name\":\"Statorials\",\"description\":\"La tua guida all'alfabetizzazione statistica!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/it\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"it-IT\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/it\/#\/schema\/person\/0896f191fb9fb019f2cd8623112cb3ae\",\"name\":\"Benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\/\/statorials.org\/it\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/statorials.org\/it\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"https:\/\/statorials.org\/it\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin anderson\"},\"description\":\"Ciao, sono Benjamin, un professore di statistica in pensione diventato insegnante dedicato di Statorials. Con una vasta esperienza e competenza nel campo della statistica, sono ansioso di condividere le mie conoscenze per potenziare gli studenti attraverso Statorials. Scopri di pi\u00f9\",\"sameAs\":[\"https:\/\/statorials.org\/it\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Come eseguire la corrispondenza fuzzy nei Panda (con esempio) - Statorials","description":"Questo tutorial spiega come eseguire la corrispondenza fuzzy nei panda, incluso un esempio completo.","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\/it\/panda-abbinati-fuzzy\/","og_locale":"it_IT","og_type":"article","og_title":"Come eseguire la corrispondenza fuzzy nei Panda (con esempio) - Statorials","og_description":"Questo tutorial spiega come eseguire la corrispondenza fuzzy nei panda, incluso un esempio completo.","og_url":"https:\/\/statorials.org\/it\/panda-abbinati-fuzzy\/","og_site_name":"Statorials","article_published_time":"2023-07-20T03:08:41+00:00","author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Written by":"Benjamin anderson","Est. reading time":"2 minuti"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/it\/panda-abbinati-fuzzy\/","url":"https:\/\/statorials.org\/it\/panda-abbinati-fuzzy\/","name":"Come eseguire la corrispondenza fuzzy nei Panda (con esempio) - Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/it\/#website"},"datePublished":"2023-07-20T03:08:41+00:00","dateModified":"2023-07-20T03:08:41+00:00","author":{"@id":"https:\/\/statorials.org\/it\/#\/schema\/person\/0896f191fb9fb019f2cd8623112cb3ae"},"description":"Questo tutorial spiega come eseguire la corrispondenza fuzzy nei panda, incluso un esempio completo.","breadcrumb":{"@id":"https:\/\/statorials.org\/it\/panda-abbinati-fuzzy\/#breadcrumb"},"inLanguage":"it-IT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/it\/panda-abbinati-fuzzy\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/it\/panda-abbinati-fuzzy\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Casa","item":"https:\/\/statorials.org\/it\/"},{"@type":"ListItem","position":2,"name":"Come eseguire la corrispondenza fuzzy in panda (con esempio)"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/it\/#website","url":"https:\/\/statorials.org\/it\/","name":"Statorials","description":"La tua guida all'alfabetizzazione statistica!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/it\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"it-IT"},{"@type":"Person","@id":"https:\/\/statorials.org\/it\/#\/schema\/person\/0896f191fb9fb019f2cd8623112cb3ae","name":"Benjamin anderson","image":{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/statorials.org\/it\/#\/schema\/person\/image\/","url":"https:\/\/statorials.org\/it\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"https:\/\/statorials.org\/it\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Benjamin anderson"},"description":"Ciao, sono Benjamin, un professore di statistica in pensione diventato insegnante dedicato di Statorials. Con una vasta esperienza e competenza nel campo della statistica, sono ansioso di condividere le mie conoscenze per potenziare gli studenti attraverso Statorials. Scopri di pi\u00f9","sameAs":["https:\/\/statorials.org\/it"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/it\/wp-json\/wp\/v2\/posts\/2915"}],"collection":[{"href":"https:\/\/statorials.org\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/it\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/it\/wp-json\/wp\/v2\/comments?post=2915"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/it\/wp-json\/wp\/v2\/posts\/2915\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/it\/wp-json\/wp\/v2\/media?parent=2915"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/it\/wp-json\/wp\/v2\/categories?post=2915"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/it\/wp-json\/wp\/v2\/tags?post=2915"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}