from pyjarowinkler import distance
import numpy as np
import pandas as pd
def similar(name,firstname):
    if distance.get_jaro_distance(name,firstname,winkler=True,scaling=0.1):
        return 1
    else:
        return 0

array = np.array([[1,'aaa','bbb'],[2,'ccc','bbb'],[3,'zzzz','bbb'],
                  [4,'eee','zzzz'],[5,'cccv','bbbn'],[6,'zzz','bb'],
                  [7,'aaav','bbbv']])

df = pd.DataFrame(array,columns=(['id','name','firstname']))
l=[]
for i in range(len(df)):
    for j in range(i+1,len(df)):
        if similar(df.loc[i]['name'] ,df.loc[j]['name'])==1 & similar(df.loc[i]['firstname'] ,df.loc[j]['firstname'])==1:
            l.append((df.loc[i]['id'],df.loc[j]['id']))

print l

-
Edité par dalilaaroussi 21 janvier 2018 à 23:16:59

Premièrement, j'imagine qu'il y a une erreur d'indentation dans le script que tu as posté. Les lignes 9-18 devraient être désindentées.

Deuxièmement, je veux bien aider, mais je ne vais pas passer du temps à essayer de comprendre ce que tu essaies de faire. Pourquoi ne pas plutôt nous expliquer ce que tu essaies de faire afin qu'on t'oriente ?

Troisièmement, j'ai déjà répondu à un post précédent de ta part concernant pandas. Il serait bon de nous expliquer ce que tu as déjà trouvé dans la documentation qui pourrait convenir. Car là, j'ai un peu l'impression que tu ne te prends pas la peine d'apprendre à utiliser pandas, mais tu comptes sur nous pour faire le boulot à ta place...

Quatrièmement, je doute que la bibliothèque pyjarowinkler ait un quelconque intérêt ici pour résoudre ton problème. Donc quand on fournit un code minimaliste dans le but de recevoir de l'aide, on coupe ce genre de dépendance. Sinon tu risques d'avoir encore moins de réponses. C'est pas super important que la fonction similar fasse exactement ce qui est nécessaire dans ton code. Tu pourrais faire une bête fonction qui compare par example les longueurs de chaînes de caractères.

-
Edité par Dan737 21 janvier 2018 à 15:49:02