Python fuzzywuzzi庫

在本教程中，我們將學習如何使用 Python 內置的fuzzywuzzi庫匹配字符串，並使用各種示例確定它們是如何相似的。

介紹

Python 提供了幾種比較兩個字符串的方法。下面給出幾個主要方法。

使用 Regex
簡單比較
使用 dfflib

但是還有一種方法可以有效地用於比較，稱為模糊不清。這種方法在區分兩個字符串指的是同一個事物時相當有效，但它們的寫法略有不同。有時我們需要一個能自動識別錯誤拼寫的程序。

這是一個尋找與給定模式匹配的字符串的過程。它使用 Levenshtein 距離來計算序列之間的差異。

該庫可以幫助映射缺少公共鍵的數據庫，例如按公司名稱連接兩個表，這兩個表中的公共鍵有所不同。

例子

讓我們看看下面的例子。


Str1 = "Welcome to Javatpoint"
Str2 = "Welcome to Javatpoint"
Result = Str1 == Str2
print(Result)

輸出:

True

上面的代碼返回 true，因為字符串完全匹配(100 %)，如果我們在 str2 中進行更改會怎麼樣。


Str1 = "Welcome to Javatpoint"
Str2 = "welcome to Javatpoint"
Result = Str1 == Str2
print(Result)

輸出:

False

上面的代碼返回 false，字符串與人眼完全相同，但對於解釋器來說不是這樣。但是，我們可以通過將兩個字符串都轉換為小寫來解決這個問題。


Str1 = "Welcome to Javatpoint"
Str2 = "welcome to Javatpoint"
Result = Str1.lower() == Str2.lower()
print(Result)

輸出:

True

但是如果我們改變字符集，我們會遇到另一個問題。


Str1 = "Welcome to javatpoint."
Str2 = "Welcome to javatpoint"
Result = Str1.lower() == Str2.lower()
print(Result)

輸出:

True

為了解決這類問題，我們需要更有效的工具來比較字符串。模糊不清是計算字符串的最佳工具。

勒溫斯坦距離

leven stein 距離用於計算兩個單詞序列之間的距離。它計算給定字符串中我們需要更改的最小編輯次數。這些編輯可以是插入、刪除或替換。

示例-


import numpy as np

def levenshtein_distance (s1, t1, ratio_calculation = False):

    # Initialize matrix of zeros
    rows = len(s1)+1
    cols = len(t1)+1
    calc_distance = np.zeros((rows,cols),dtype = int)

    # Populate matrix of zeros with the indeces of each character of both strings
    for i in range(1, rows):
        for k in range(1,cols):
            calc_distance[i][0] = i
            calc_distance[0][k] = k

    for col in range(1, cols):
        for row in range(1, rows):
            if s1[row-1] == t1[col-1]:
                cost = 0
                if ratio_calculation == True:
                    cost = 2
                else:
                    cost = 1
            calc_distance[row][col] = min(calc_distance[row-1][col] + 1,      # Cost of deletions
                                 calc_distance[row][col-1] + 1,          # Cost of insertions
                                 calc_distance[row-1][col-1] + cost)     # Cost of substitutions
    if ratio_calculation == True:
        # Computation of the Levenshtein calc_distance Ratio
        Ratio = ((len(s)+len(t)) - calc_distance[row][col]) / (len(s)+len(t))
        return Ratio
    else:
        return "The strings are {} edits away".format(calc_distance[row][col])

我們將在前面的例子中使用上面的函數，我們試圖比較「歡迎來到 javatpoint」歡迎來到「javatpoint」。我們可以看到兩根弦很可能是一樣的，因為 Levensthtein 的長度很小。


Str1 = "Welcome to Javatpoint"
Str2 = "welcome to Javatpoint"
Distance = levenshtein_distance(Str1,Str2)
print(Distance)
Ratio = levenshtein_distance(Str1,Str2,ratio_calc = True)
print(Ratio)

模糊不清的包裹

這個圖書館的名字有些奇怪和滑稽，但它是有利的。它有一種獨特的方法來比較兩個字符串，並返回 100 個匹配字符串中的分數。為了使用這個庫，我們需要在 Python 環境中安裝它。

裝置

我們可以使用 pip 命令安裝這個庫。


pip install fuzzywuzzy

Collecting fuzzywuzzy
  Downloading fuzzywuzzy-0.18.0-py2.py3-none-any.whl (18 kB)
Installing collected packages: fuzzywuzzy
Successfully installed fuzzywuzzy-0.18.0

現在鍵入以下命令並按回車鍵。


pip install python-Levenshtein

讓我們了解一下模糊庫的以下方法

模糊模塊

fuzz 模塊用於一次比較兩個給定的字符串。在使用不同的方法進行比較後，它會返回 100 分。

模糊比率()

它是模糊模塊的重要方法之一。它根據給定字符串的匹配程度來比較字符串和分數。讓我們理解下面的例子。

示例-


from fuzzywuzzy import fuzz
Str1 = "Welcome to Javatpoint"
Str2 = "welcome to javatpoint"
Ratio = fuzz.ratio(Str1.lower(),Str2.lower())
print(Ratio)

輸出:

從上面的代碼中我們可以看到， fuzz.ratio() 方法返回了分數，這意味着字符串之間有非常微小的差異。

Fuzz.partial_ratio()

模糊不清的庫提供了另一個強大的方法——偏比()。用於處理子串匹配等複雜的字符串比較。讓我們看看下面的例子。

示例-


#importing the module from the fuzzywuzzy library
from fuzzywuzzy import fuzz

str1 = "Welcome to Javatpoint"
str2 = "tpoint"
Ratio = fuzz.ratio(str1.lower(),str2.lower())
Ratio_partial = fuzz.partial_ratio(str1.lower(),str2.lower())
print(Ratio)
print(Ratio_partial)

輸出:

44
100

說明:

partial_ratio()方法可以檢測子字符串。因此，它產生了 100%的相似性。它遵循最佳部分邏輯，其中短長度字符串 k 和長字符串 m，算法找到最佳匹配長度 k-子串。

Fuzz.token_sort_ratio

這種方法不能保證得到準確的結果，因為如果我們按照字符串的順序進行更改。它可能不會給出準確的結果。

但是模糊的模塊提供了解決方案。讓我們理解下面的例子。

示例-


str1 = "united states v. nixon"
str2 = "Nixon v. United States"
Ratio = fuzz.ratio(str1.lower(),str2.lower())
Ratio_Partial = fuzz.partial_ratio(str1.lower(),str2.lower())
Ratio_Token = fuzz.token_sort_ratio(str1,str2)
print(Ratio)
print(Ratio_Partial)
print(Ratio_Token)

輸出:

59
74
100

說明:

在上面的代碼中，我們使用了 token_sort_ratio() 方法，該方法比 partial_ratio 具有優勢。在此方法中，字符串標記按字母順序排序並連接在一起。但是還有另一種情況，比如如果弦的長度相差很大怎麼辦。

讓我們理解下面的例子。

示例-


str1 = "The supreme court case of Democratic vs Congress"
str2 = "Congress v. Democratic"
Ratio = fuzz.ratio(str1.lower(),str2.lower())
Partial_Ratio = fuzz.partial_ratio(str1.lower(),str2.lower())
Token_Sort_Ratio = fuzz.token_sort_ratio(str1,str2)
Token_Set_Ratio = fuzz.token_set_ratio(str1,str2)
print(Ratio)
print(Partial_Ratio)
print(Token_Sort_Ratio)
print(Token_Set_Ratio)

輸出:

在上面的代碼中，我們使用了另一個名為 fuzz.token_set_ratio() 的方法，該方法執行 set 操作，取出公共令牌，然後進行 ratio()成對比較。

排序後的標記的交集總是相同的，因為子字符串或較小的字符串由原始字符串的較大塊組成，或者剩餘的標記彼此更接近。

模糊不清的包提供了流程模塊，允許我們計算相似度最高的字符串。讓我們理解下面的例子。

示例-


from fuzzywuzzy import process
strToMatch = "Hello Good Morning"
givenOpt = ["hello","Hello Good","Morning","Good Evenining"]
ratios = process.extract(strToMatch,givenOpt)
print(ratios)
# We can choose the string that has highest matching percentage
high = process.extractOne(strToMatch,givenOpt)
print(high)

輸出:

[('hello', 90), ('Hello Good', 90), ('Morning', 90), ('Good Evenining', 59)]
('hello', 90)

上面的代碼將返回給定字符串列表的最高匹配百分比。

弗茲！雷托

過程模塊還提供了 WRatio，，它給出了比簡單比率更好的結果。它還處理小寫和大寫以及一些其他參數。讓我們理解下面的例子。

示例-


from fuzzywuzzy import process
fuzz.WRatio('good morning', 'Good Morning')
fuzz.WRatio('good morning!!!','good Morning')

輸出:

結論

在本教程中，我們討論了如何匹配字符串並確定它們的緊密程度。我們已經舉例說明了這個簡單的例子，但它們足以說明計算機如何處理不匹配的字符串。許多現實生活中的應用，如拼寫檢查、生物信息學匹配、脫氧核糖核酸序列等。基於模糊邏輯。

原創文章，作者：小藍，如若轉載，請註明出處：https://www.506064.com/zh-hk/n/305190.html