用python将两个excle表格的姓名列单独合并，并且模糊统计每个姓名出现的次数

好的，可以使用 Python 中的 pandas 和 fuzzywuzzy 库来实现这个任务。首先，需要安装这两个库：

!pip install pandas fuzzywuzzy

然后，我们可以按照以下步骤来处理两个 Excel 表格的姓名列：

1. 使用 pandas 的 read_excel 方法读取两个表格，并将姓名列转换为字符串类型。

import pandas as pd

# 读取两个表格
df1 = pd.read_excel('table1.xlsx')
df2 = pd.read_excel('table2.xlsx')

# 将姓名列转换为字符串类型
df1['姓名'] = df1['姓名'].astype(str)
df2['姓名'] = df2['姓名'].astype(str)

2. 将两个表格的姓名列合并为一个新的 Series。

names = pd.concat([df1['姓名'], df2['姓名']])

3. 使用 fuzzywuzzy 库的 process 方法对姓名进行模糊匹配，并统计出现次数。

from fuzzywuzzy import process

# 定义一个匹配函数
def match(name, choices):
    return process.extractOne(name, choices, scorer=fuzz.token_sort_ratio)[0]

# 对每个姓名进行匹配，并统计出现次数
counts = names.groupby(lambda x: match(x, names)).count().sort_values(ascending=False)

这样，counts 变量就是一个 Series，它的索引是模糊匹配后的姓名，值是出现的次数。我们可以将它保存为 Excel 表格：

counts.to_excel('counts.xlsx')

完整代码如下：

import pandas as pd
from fuzzywuzzy import fuzz, process

# 读取两个表格
df1 = pd.read_excel('table1.xlsx')
df2 = pd.read_excel('table2.xlsx')

# 将姓名列转换为字符串类型
df1['姓名'] = df1['姓名'].astype(str)
df2['姓名'] = df2['姓名'].astype(str)

# 合并姓名列
names = pd.concat([df1['姓名'], df2['姓名']])

# 定义一个匹配函数
def match(name, choices):
    return process.extractOne(name, choices, scorer=fuzz.token_sort_ratio)[0]

# 对每个姓名进行匹配，并统计出现次数
counts = names.groupby(lambda x: match(x, names)).count().sort_values(ascending=False)

# 保存结果为 Excel 表格
counts.to_excel('counts.xlsx')