阈值（cutoff point）
在本练习以及本章余下内容中，您将使用包含多家餐厅数据的 restaurants DataFrame。您的最终目标是构建一个餐厅推荐引擎，但首先需要清理数据。
这个版本的 restaurants 来自多个来源，其中 cuisine_type 列充满了拼写错误，按理只应包含 italian、american 和 asian 这 3 种菜系类型。类别太多，手动重映射不可扩展，因此更适合使用字符串相似度。
在此之前，您需要用 thefuzz 的 process.extract() 函数，为每个类别找到最"远"的拼写错误对应的相似度分数，从而确定相似度的阈值。
本练习是课程的一部分
Python 数据清洗
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import process from thefuzz
____
# Store the unique values of cuisine_type in unique_types
unique_types = ____
# Calculate similarity of 'asian' to all values of unique_types
print(process.____('____', ____, limit = len(____)))
# Calculate similarity of 'american' to all values of unique_types
print(____('____', ____, ____))
# Calculate similarity of 'italian' to all values of unique_types
print(____)