使用unique方法，可以查看某列中所有的唯一值数据。
cities = suicide_attacks['City'].unique()
# sort them alphabetically and then take a closer look
cities.sort()
cities
由于大小写和空格的问题，实际同一含义的字符串，被识别成了多个。我只是粗略的看了一下就能发现很多。因此接下来需要做的就是统一大小并且清楚掉这些多余的空格。
统一大小写
suicide_attacks['City'] = suicide_attacks['City'].str.lower()
# 统一转为小写字母
清除空格
suicide_attacks['City'] = suicide_attacks['City'].str.strip()
经过以上两步可以明显看到唯一值数量上有减少，那些因为大小写和空格问题带来的唯一值都被去掉了。
还没有到此为止哦，经过统一大小写和清除空格的数据中还存在着一些不安分因子，比如下图中圈出的d. i khan和d.i khan，空格出现在了中间，两者的相似度非常高。
目前的数据量较小，我们可以人工识别处理，但当数量达到千万级别时，这时候就需要借助python的第三方库 fuzzywuzzy来实现模糊匹配。
模糊匹配
导入库和模块
from fuzzywuzzy import process
from fuzzywuzzy import fuzzy
extract方法返回模糊匹配的字符串和相似度
cities = suicide_attacks['City'].unique()
process.extract('d.i khan', cities, limit=10, scorer=fuzzy.token_sort_radio)
接下来只需要替换掉匹配率>90%的数据就可以了（至于为什么匹配率选了90%，小杨推测笔者的意思是88%匹配度对应的d.g khan和原数据无任何关联，所以概率肯定是在88%以上，取整就是90%？）
通用的“替换”方法
笔者写了一个通用的方法，可以用于替换数据表格中某一列
def replace_matches_in_column(df, column, string_to_match, min_ratio = 90):
# get a list of unique strings
strings = df[column].unique()
# get the top 10 closest matches to our input string
matches = fuzzywuzzy.process.extract(string_to_match, strings, limit=10, scorer=fuzzywuzzy.fuzz.token_sort_ratio)
# only get matches with a ratio > 90
close_matches = [matches[0] for matches in matches if matches[1] >= min_ratio]
# get the rows of all the close matches in our dataframe
rows_with_matches = df[column].isin(close_matches)
# replace all rows with close matches with the input matches
df.loc[rows_with_matches, column] = string_to_match
# let us know the function's done
print("All done!")
