大量字符串正则哪家快
2020-04-28 本文已影响0人
Mil_Pasos
使用pd.Series.str更快
本文对比了pd.Series.apply和pd.Series.str在大量字符串正则上的效率,实验如下
import numpy as np
import string
# 随机生成1-100长度的字符串
def random_str():
return ''.join(np.random.choice(list(string.ascii_letters) + list(string.digits), size=np.random.randint(1, 100), replace=True))
print(random_str())
ao3iemnPTYirQW5HYutAj
# 生成一千万条字符串
str_ls = [random_str() for i in range(int(1e7))]
len(str_ls)
10000000
# 分配到一个DataFrame里
import pandas as pd
df = pd.DataFrame(str_ls, columns=['string'])
# 定义正则表达式
import re
str_regex = re.compile('(IOU)')
# 对比两种方法的效率
import time
start = time.time()
df['apply_res'] = df['string'].apply(lambda x: re.match(str_regex, x))
end = time.time()
print('apply use time:')
print(end - start)
start = time.time()
df['pandas_res'] = df['string'].str.match(str_regex)
end = time.time()
print('pandas str regex use time:')
print(end - start)
apply use time:
10.389425277709961
pandas str regex use time:
4.18695330619812
可见pd.Series.str快了1倍多
完