Edit Abstand zwischen zwei Pandas Spalten

Question

Ich habe eine Pandas DataFrame bestehend aus zwei Spalten von Strings. Ich möchte eine dritte Spalte erstellen, die die Bearbeitungsdistanz der beiden Spalten enthält.

from nltk.metrics import edit_distance  
df['edit'] = edit_distance(df['column1'], df['column2']) 

Aus irgendeinem Grund, dies zu einer Art Endlosschleife im Sinne zu gehen scheint, dass es schon seit geraumer Zeit nicht reagiert und dann muss ich es manuell beenden.

Alle Vorschläge sind willkommen.

Answer 1

Die Funktion edit_distance von nltk dient zum Vergleichen von Stringpaaren. Wenn Sie die Edit-Distanz zwischen den entsprechenden Paaren von Zeichenketten zu berechnen, apply es separat zu jeder Saiten der Zeile wie folgt aus:

results = df.apply(lambda x: edit_distance(x["column1"], x["column2"]), axis=1) 

Oder wie folgt aus (wahrscheinlich ein wenig effizienter), um zu verhindern, einschließlich der irrelevante Spalten der Datenrahmen:

results = df.loc[:, ["column1", "column2"]].apply(lambda x: edit_distance(*x), axis=1) 

um die Ergebnisse zu Ihrem Datenrahmen hinzufügen, würden Sie es wie folgt verwendet werden:

df["distance"] = df.loc[:, ["column1","column2"]].apply(lambda x: edit_distance(*x), axis=1)