Python 熊猫系列识别连续辅音的数量

给定一个

系列

字符串，我试图计算一个新的

系列

，它包含原始字符串中连续计数最高的辅音，忽略空格

例如，给定

df['names']

，我想确定

df['max\u辅音']

如下：

In [1]: df
Out[1]:
               names max_consonants
0       will hunting              2
1       sean maguire              1
2     gerald lambeau              2
3   chuckie sullivan              2
4    mike krzyzewski              5

在

pandas

之外，我可以使用

re

模块执行此操作，如下所示：

In [2]: def max_consonants(s):
             return max(len(i) for i in re.findall(r'[^aeiou ]+', s))

In [3]: max_consonants('mike krzyzewski')
Out[3]: 5

我知道我可以使用

pd.Series.apply

在

系列

上使用

max_辅音

函数，但它没有矢量化。我正在处理包含2-3mm行/名称的数据，因此我正在寻找最有效的解决方案

---

有没有一个更优雅的熊猫本机解决方案可以让我利用矢量化？

你可以试试，它也可以用于特殊字符，因为

\W

。但请注意，

\W

也会捕获数字，因此如果您还想对这些数字进行拆分，则需要将

0-9

添加到拆分所使用的正则表达式中：

df['names'].str.split(r'[AaEeIiOoUu\W]', expand=True).fillna('').applymap(len).max(axis='columns')

根据测试数据：

raw="""idx             names  max_consonants
0       will hunting              2
1       sean maguire              1
2     gerald lambeau              2
3   chuckie sullivan              2
4    mike krzyzewski              5
5    mike krzyzewski12345678      5
"""
df= pd.read_csv(io.StringIO(raw), sep='\s{2,}', index_col=[0])

其结果是：

idx
0    2
1    1
2    2
3    2
4    5
5    8
dtype: int64

applymap

之前的中间结果如下所示：

Out[89]: 
      0   1   2      3    4         5  6  7
idx                                        
0     w  ll   h     nt   ng                
1     s       n      m    g            r   
2     g   r  ld      l   mb                
3    ch  ck               s        ll  v  n
4     m   k      krzyz  wsk                
5     m   k      krzyz  wsk  12345678      

性能说明：我希望<>代码> MaPoP（LeN）< /C> >被翻译成高效的C++操作，但不能用我的数据验证它。如果此解决方案出现性能问题，您可以尝试一种变体，在该变体中执行所有操作，直到

applymap

，用列上的循环替换applymap，然后执行

.str.len（）

。大致如下所示：

df_consonant_strings= df['names'].str.split(r'[AaEeIiOoUu\W]', expand=True).fillna('')
ser_max= None
for col in df_consonant_strings.columns:
    ser_col= df_consonant_strings[col].str.len()
    if ser_max is None:
        ser_max= ser_col
    else:
        ser_max= ser_max.where(ser_max>ser_col, ser_col)
# now ser_max contains the desired maximum length of consonant substrings

---

[^aeiou]

也匹配

§

，

“

等，而不仅仅是辅音。@WiktorStribiżew，很好的观点。幸运的是，我的数据库不包含任何特殊字符，但为了完整性起见，我可以将正则表达式模式更改为

'[bcdfghjklmnpnpqrstvwxyz]+'