如何提高在数据帧中使用模糊匹配的速度？

Question

我想使用模糊匹配来检查数据框是否包含关键字。

但是，使用起来很慢apply。

有没有更快的方法？

我们可以使用str还是re？

import regex

result = df['sentence'].apply(lambda x: regex.compile('(keyword){e<4}').findall(x)) #slow

非常感谢你。

Answer 1

您为什么在应用内部进行编译？这实际上违背了它的目的。另外，加快apply通话速度的最佳方法是不使用apply。在没有上下文与您实际尝试匹配的内容相关的情况下，我向您介绍：p = regex.compile('(keyword){e<4}')result = [p.findall(x) for x in df['sentence']]我的测试表明，基于列表理解的正则表达式匹配str在性能方面取代了方法。好吧，花点儿力气，因为它总是取决于您的数据和您要匹配的内容。re.search如果您只想要一个匹配项（以提高性能），则可能要考虑使用而不是findall。