提取最长匹配答案

【问题标题】：extracting the longest match提取最长匹配
【发布时间】：2019-08-29 01:43:11
【问题描述】：

考虑这个简单的设置

import pandas as pd

df = pd.DataFrame({'id' : [1,2,3],
                   'text' : ['stack-overflow',
                             'slack-overflow',
                             'smack-over']})
df
Out[9]: 
   id            text
0   1  stack-overflow
1   2  slack-overflow
2   3      smack-over

我有一个给定的正则表达式，我想提取最长匹配。我知道我可以使用str.extractall 来获取所有匹配项，但是我怎样才能有效地获得最长的匹配项（作为数据框中的列df['mylongest']）？

当然，在这个例子中最长的匹配是溢出、溢出和smack。

df.text.str.findall(r'(\w+)')
Out[10]: 
0    [stack, overflow]
1    [slack, overflow]
2        [smack, over]
Name: text, dtype: object

【问题讨论】：

标签： python regex pandas

【解决方案1】：

让我们将max 映射到str.findall 的结果。我使用functools.partial 来避免使用 lambda。

from functools import partial

f = partial(max, key=len)
df['text'].str.findall(r'(\w+)').map(f)

0    overflow
1    overflow
2       smack
Name: text, dtype: object

【讨论】：

谢谢，但我真的不明白partial 函数。那是原生熊猫的东西吗？我们可以做一个好的 ol lambda func 吗？谢谢！！
@ℕʘʘḆḽḘ 替代方案是 df['text'].str.findall(r'(\w+)').map(lambda x: max(x, key=len))。它在标准库中，与 pandas 无关。
@ℕʘʘḆḽḘ 我想你会觉得Python: Why is functools.partial necessary?很有趣。

【解决方案2】：

如果你想试试pandas

s=df.text.str.extractall(r'(\w+)')[0]
s[s.str.len().eq(s.str.len().max(level=0),level=0)]
Out[51]: 
   match
0  1        overflow
1  1        overflow
2  0           smack
Name: 0, dtype: object

【讨论】：