Pessoal, bom dia.
Estou trabalhando em uma base de dados onde o campo de cidade e UF foi aberto a diversos usuários, por muitos anos, com isso, os dados estão com várias inconsistências. Para que eu possa fazer análises geográficas mais consistentes, preciso fazer a normalização desse dado. Pensei em usar a ferramenta de Fuzzy Match, porém, já segui vários tutoriais da internet e nada deu certo, provavelmente porque a maioria deles são para aplicações em bases corporativas, endereços americanos, nomes abreviados, enfim, não deu certo.
Gostaria que me ajudassem com isso, ou se possível, me indicar um material aplicável a este caso.
Segue abaixo os dados, entradas e saídas esperadas.
Entrada:
| CIDADE | ESTADO |
| BELO HORIZIONTE | MG |
| BELO HORIZNTE | |
| BELO HORIZOBNTE | MG |
| BELO HORIZOENTE | MG |
| BELO HORIZOMNTE | MG |
| BELO HORIZONE | MG |
Saída Esperada:
| CIDADE | ESTADO |
| BELO HORIZONTE | MG |
Obs¹: Como base de dados correta, estou usando a tabela do IBGE, porém ela tem acentos e está em caixa baixa, irei normalizar eles também.
Muito obrigado a todos!
