因此，我使用莱文郡距离来查找最接近的匹配项，并使用此答案作为基础来替换大型数据框中的许多值：

import operator

def levenshteinDistance(s1, s2):
    if len(s1) > len(s2):
        s1, s2 = s2, s1

    distances = range(len(s1) + 1)
    for i2, c2 in enumerate(s2):
        distances_ = [i2+1]
        for i1, c1 in enumerate(s1):
            if c1 == c2:
                distances_.append(distances[i1])
            else:
                distances_.append(1 + min((distances[i1], distances[i1 + 1], distances_[-1])))
        distances = distances_
    return distances[-1]

def closest_match(string, matchings):
    scores = {}
    for m in matchings:
        scores[m] = 1 - levenshteinDistance(string,m)

    return max(scores.items(), key=operator.itemgetter(1))[0]

因此，在从具有类似大小的另一个大型数据帧（100k +行）中替换许多值时，将永远需要运行：（从最近半小时开始运行！）

results2.products = [closest_match(string, results2.products) 
                    if string not in results2.products else string 
                    for string in results.products]

有没有办法更有效地做到这一点？我出于相同的目的添加了if-else条件，这样，如果存在直接匹配，就不会涉及任何计算，而这些计算也将产生相同的结果。

样本数据

results：

   products
0, pizza
1, ketchup
2, salami
3, anchovy
4, pepperoni
5, marinara
6, olive
7, sausage
8, cheese
9, bbq sauce
10, stuffed crust

results2：

   products
0, salaaaami
1, kechap
2, lives
3, ppprn
4, pizzas
5, marinara
6, sauce de bbq
7, marinara sauce
8, chease
9, sausages
10, crust should be stuffed

我希望将值results2替换为最接近的匹配项results