如何使用 python 比较数据帧 2 列中的 2 个字符串时找到字符的变化？

Question

例如，我有一个来自数据帧的其中一列的字符串为“BHEEMAVARAM ANGADHRAM”，而来自同一数据帧的另一列的其他字符串为“B GANGADHRAM”，我想将字符串与这2个的每一行分开每当出现“空格”字符时列，并将它们存储在两个单独的列表中，并比较这两个列表是否在列表中存在相似的项目，如果项目存在，则迭代字符以找出字符中的差异。请用Python编写脚本代码并将计数的差异存储在数据帧中。在每个空格字符后拆分字符串并将字符串存储在 2 个单独的列表中。我需要在下面的代码中进行哪些更改，并需要找出更改了哪个单词的字符。

# Function to compare strings and count differences
def compare_strings(string1, string2):
    list1 = string1.split()  # Split string1 into a list of words
    list2 = string2.split()  # Split string2 into a list of words
    
    common_words = set(list1) & set(list2)  # Find common words
    
    differences = []
    for word in common_words:
        index1 = list1.index(word)
        index2 = list2.index(word)
        
        # Compare characters in common words
        for char1, char2 in zip(string1[index1:], string2[index2:]):
            if char1 != char2:
                differences.append((word, char1, char2))
    
    return len(differences)

将函数应用于 DataFrame 中的每一行

df['差异'] = df.apply(lambda row:compare_strings(str(row['FatherName']), str(row['Original_Fname'])), axis=1)

打印（df）

例如，这些是一些字符串，在characterchanges_trainee中得到的输出对于许多字符串来说都是错误的，可能是什么原因？另外，是否可以使用 spacy（NLP）来完成此任务？： 在此输入图片描述

Answer 1

虽然具体逻辑不清楚，但是应该可以使用

difflib

。

计算最小差异数的示例：

import difflib

df = pd.DataFrame({'A': ['LODUGU VARDHAN KUMAR', 'TALARI KAMMAGIRI RAJU', 'CHUNCHULA CHENNAKESAVA RAO', 'UPPARA VEERANARAYANASWAMI'],
                   'B': ['LODOGU VARDHAN KUMAR', 'TALARI KAMBAGIRI RAJU', 'CHUNCULA CHENNAKESAVA RAO', 'UPPARA VEERANARAYANA SWAMI']})

def ndiff(a, b):
    return sum(x[0] != ' ' for x in difflib.ndiff(a, b))

df['ndiff'] = [ndiff(a, b) for a, b in zip(df['A'], df['B'])]

输出：

                            A                           B  ndiff
0        LODUGU VARDHAN KUMAR        LODOGU VARDHAN KUMAR      2
1       TALARI KAMMAGIRI RAJU       TALARI KAMBAGIRI RAJU      2
2  CHUNCHULA CHENNAKESAVA RAO   CHUNCULA CHENNAKESAVA RAO      1
3   UPPARA VEERANARAYANASWAMI  UPPARA VEERANARAYANA SWAMI      1