如何计算两个Pandas DataFrame列之间的Levenshtein距离？

Question

我正在尝试计算两个Pandas列之间的Levenshtein距离，但我卡住了。这是我使用的库。这是一个最小化、可复制的示例：

import pandas as pd
from textdistance import levenshtein

attempts = [['passw0rd', 'pasw0rd'],
            ['passwrd', 'psword'],
            ['psw0rd', 'passwor']]

df=pd.DataFrame(attempts, columns=['password', 'attempt'])

   password  attempt
0  passw0rd  pasw0rd
1   passwrd   psword
2    psw0rd  passwor

My poor attempt:

df.apply(lambda x: levenshtein.distance(*zip(x['password'] + x['attempt'])), axis=1)

这就是函数的工作方式。它将两个字符串作为参数：

levenshtein.distance('helloworld', 'heloworl')

Out[1]: 2

- Nicolas Gervais

---

看看Erfan的这篇帖子，它介绍了如何实现模糊匹配算法fuzzy wuzzy包，该算法使用Levenshtein距离算法来匹配单词。 - Umar.H

听起来这个问题可能会有所帮助？这个问题 - Nightara

@Datanovice 我认为这不是关于Levenshtein函数的问题（因为问题已经包含了一个导入来计算它），而是关于如何将其应用到DF上的问题。 - Nightara

当您使用apply时，每一行都作为Series返回给您的lambda函数中的x。为什么要压缩它们？只需将它们作为x['password']等传递即可。 - anishtain4

这个回答解决了你的问题吗？两个Pandas列之间的编辑距离 - Abu Shoeb

Answer 1

也许我错过了什么，你为什么不喜欢lambda表达式？这个对我来说起作用：

import pandas as pd
from textdistance import levenshtein

attempts = [['passw0rd', 'pasw0rd'],
            ['passwrd', 'psword'],
            ['psw0rd', 'passwor'],
            ['helloworld', 'heloworl']]

df=pd.DataFrame(attempts, columns=['password', 'attempt'])

df.apply(lambda x: levenshtein.distance(x['password'],  x['attempt']), axis=1)

out:

（输出：）

0    1
1    3
2    4
3    2
dtype: int64

- Andrea

---

或者使用 map 函数：df.assign(distance=[*map(levenshtein.distance, df.password, df.attempt)])。 - piRSquared