提取最长匹配

Question

考虑一下这个简单的设置

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，我想提取最长的匹配。我知道我可以使用str.extractall来获取所有的匹配，但是如何有效地获得最长的匹配(作为dataframe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

Answer 1

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

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

Answer 2

如果您想在pandas中尝试一些东西

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