python テキスト一致方法

Question

前提・実現したいこと

2つのcsvファイルのある列に入っている日本語テキストの一致率を出したい．
自分の力では下のが精一杯でした．

発生している問題・エラーメッセージ

該当のソースコード

import pandas as pd
def make_dataframe(filename):
    df = pd.read_csv(filename, encoding='utf-8', na_values='nan')
    return df

df = make_dataframe('ho.csv')
df2 = make_dataframe('ge.csv')
i = 0
for i, in range(50):
if(df['text'] == df2['text'])
print(i)

試したこと

1つ目のcsvファイルが200件，2つ目のファイルが50件ほどテキストがあるので
for文で50回回せばいいかなとこのようになっています．
どうかお力添え頂きたいです．

Comments

[can110]

一致率の定義（式）を提示ください。たとえば1つ目のファイルが「あ」「い」各１００ぎょう、2つ目は「あ」が２０行「い」が２０行「う」が１０行なら一致率はいくつですか？

[banana_milk]

また情報不足で申し訳ありません．1つのテキストデータに同じものはないとして，1つ目[あ，い，う，え，お]，2つ目[か，い，く，け，こ]で[い]が同じだよねーって物を探したいと思っております．一致率でなく，同じもののカウントをとりたいと修正いたします．情報，説明不足でしたらまたお手数ですが依頼お願いいたします．

Answer 1

1つのテキストデータに同じものはないとして，1つ目[あ，い，う，え，お]，2つ目[か，い，く，け，こ]で[い]が同じだよねーって物を探したいと思っております．一致率でなく，同じもののカウントをとりたいと修正いたします．

提示の問題だとsetを使うと楽です。

import pandas as pd

df1 = pd.DataFrame({'col':['あ','い','う','え','お']})
df2 = pd.DataFrame({'col':['か','い','く','け','こ']})

set1 = set(df1['col'].tolist())
set2 = set(df2['col'].tolist())

ret = set1 & set2 # 両方に存在するものを抽出
print(ret,len(ret)) # {'い'} 1

Comments

[banana_milk]

ありがとうございます．