如何用Python实现Excel表格内容的模糊匹配归类？
- 内容介绍
- 文章标签
- 相关推荐
本文共计1589个文字，预计阅读时间需要7分钟。
问题描述：在实习期间，需要将两个表格的内容进行匹配分类，例如，将针对不同工程项目的对象都归类到A类中，那么就需要将这两个工程项目归入A当中间，而当前的工程项目和施工人员属于同一工程项目。
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。在此问题中，我采用了模糊匹配算法来实现目标，而这个算法并非唯一的可行方案。
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
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。
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
本文共计1589个文字，预计阅读时间需要7分钟。
问题描述：在实习期间，需要将两个表格的内容进行匹配分类，例如，将针对不同工程项目的对象都归类到A类中，那么就需要将这两个工程项目归入A当中间，而当前的工程项目和施工人员属于同一工程项目。
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。在此问题中，我采用了模糊匹配算法来实现目标，而这个算法并非唯一的可行方案。
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
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。
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