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。

但是用起来很慢 apply.

有没有更快的方法？

我们可以使用 str 或 re 吗？

import regex

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

非常感谢。

Answer 1

为什么要在应用程序中编译？这实际上违背了它的目的。此外，加快 apply 调用的最佳方法是不使用 apply.

在没有你实际想要匹配的上下文的情况下，我向你展示：

p = regex.compile('(keyword){e<4}')
result = [p.findall(x) for x in df['sentence']]

好吧，对此持保留态度，因为它始终取决于您的数据和您要匹配的内容。

如果您只想进行一次匹配（以获得更高性能），您可能需要考虑使用 re.search 而不是 findall。