| import pandas as pd | |
| from dataset import calculate_similarity | |
| # 读取模板 CSV 文件和目标 CSV 文件 | |
| template_file = './metadata/data_test.csv' # 模板CSV文件路径 | |
| target_file = './metadata/data_0920_i.csv' # 目标CSV文件路径 | |
| template_df = pd.read_csv(template_file) | |
| target_df = pd.read_csv(target_file) | |
| # 假设我们要使用 'template_column' 列作为模板中的列，'target_column' 列作为目标表格中的列 | |
| template_column = 'Seq' # 替换为你的模板表格列名 | |
| target_column = 'Seq' # 替换为你的目标表格列名 | |
| # 创建一个空的 DataFrame，用于存储符合条件的行，并复制目标表格的表头 | |
| extracted_rows = pd.DataFrame(columns=target_df.columns) | |
| # 遍历目标表格的每一行 | |
| for index, target_row in target_df.iterrows(): | |
| target_value = target_row[target_column] | |
| # 遍历模板表格的每个值 | |
| for template_value in template_df[template_column]: | |
| # 计算指标 | |
| metric = calculate_similarity(target_value.strip().upper(), template_value.strip().upper()) | |
| # 如果指标大于0.3，则提取目标表格的该行 | |
| if metric > 0.3: | |
| extracted_rows = pd.concat([extracted_rows, pd.DataFrame([target_row])], ignore_index=True) | |
| # 只要找到一个匹配值，就可以继续检查下一行 | |
| break | |
| # 将提取的行保存到一个新的CSV文件中，确保表头与目标表格一致 | |
| output_file = './metadata/data_simi.csv' | |
| extracted_rows.to_csv(output_file, index=False) | |
| print(f"符合条件的行已保存到 {output_file}") |