Учитывая ваш пример, я пришел к решению. Это не очень pythonic, но это работает! (при условии, что у вас есть совпадающее название страны в clist для каждой страны с ошибкой cdata)

def get_closest(x, column):
    tmp = 1000
    for i2, r2 in clist.iterrows():
        levenshtein = editdistance.eval(x,r2['Country'])
        if levenshtein <= tmp:
            tmp = levenshtein
            res = r2

    return res['BL?']

cdata['BL'] = cdata['Country'].apply(lambda x: get_closest(x, clist))

Вывод :

   Country   BL
0  Braizl   No
1      us   No
2   Rusia  Yes

Я использую библиотеку изменить расстояние для вычисления расстояния Левенштейна. Вы можете установить его с помощью pip :

pip install editdistance

Это должно приблизить вас, но это не будет на 100% точным. Вы можете использовать пушистый. fuzzywuzzy использует расстояние Левенштейна для вычисления разницы между двумя строками:

from fuzzywuzzy import process

# create a choice list
choices = clist['Country'].values.tolist()

# apply fuzzywuzzy to each row using lambda expression
cdata['Close Country'] = cdata['Country'].apply(lambda x: process.extractOne(x, choices)[0])

# merge
cdata.merge(clist, left_on='Close Country', right_on='Country')


  Country_x Close Country Country_y  BL?
0    Braizl        Brazil    Brazil   No
1     Rusia        Russia    Russia  Yes
2        us            US        US   No

Вы даже можете вернуть процентное совпадение и сохранить только значения > n, если вы хотите сохранить только совпадения, скажем, больше 85%

добавить процентное соответствие

from fuzzywuzzy import process

# create a choice list
choices = clist['Country'].values.tolist()

# apply fuzzywuzzy to each row using lambda expression
cdata['Close Country'] = cdata['Country'].apply(lambda x: process.extractOne(x, choices))

# add percent match wiht apply
cdata[['Close Country', 'Percent Match']] = cdata['Close Country'].apply(pd.Series)

# merge
cdata.merge(clist, left_on='Close Country', right_on='Country')

  Country_x Close Country  Percent Match Country_y  BL?
0    Braizl        Brazil             83    Brazil   No
1     Rusia        Russia             91    Russia  Yes
2        us            US            100        US   No

вы можете выполнить логическое индексирование либо перед слиянием, чтобы удалить плохое совпадение, либо слить:

cdata[['Close Country', 'Percent Match']] = cdata['Close Country'].apply(pd.Series)
cdata = cdata[cdata['Percent Match']>85]

или вы можете сделать это после слияния:

merge = cdata.merge(clist, left_on='Close Country', right_on='Country')
merge[merge['Percent Match'] > 85]

fuzzywuzzy возвращает процент совпадения как часть функции process. В первом примере я удалил его, вызвав первый элемент кортежа: process.extractOne(x, choices)[0]