Python 数据帧中的二进制搜索？

我正在大熊猫数据框中搜索大量单词，但性能有问题。有没有办法在数据帧中的列字符串中进行二进制搜索

现在我的代码是这样的：

names = pd.DataFrame(data=['one', 'two', 'three', 'four'], index=range(0, 4), columns=['Name'])
sentence = 'There are two trees in the street.'

for word in word_tokenize(sentence):
    # Search for each word in all the names
    new_names = names[names['Name'].str.startswith(word)]
    # then do some operations on the names

---

但是我需要一个更好的

names[names['Name'].str.startswith（word）]

性能，我想我应该找到一种在'Name'列上进行二进制搜索的方法。

这种方法至少有两个问题。首先，

names['Name'].str.startswith（word）

是为每个单词计算的，尽管它可以被缓存。其次，

startswith（）

将匹配单词“the”的“There”。翻译成代码后，可以通过以下方式进行更改：

# calculate startword only once.
startword = names.apply(lambda row: row['Name'].split(" ", 1)[0])

for word in word_tokenize(sentence):
    # also, match by the full word only
    new_names = names[startword == word]

如果startword是一个索引，它可以更快：

names.index = startword
for word in word_tokenize(sentence):
    # also, match by the full word only
    new_names = names.loc[word]

---

你到底试过什么？你需要给出更多的细节。提供一个带有您尝试过的一些代码的示例数据框将大有帮助。@TEDPROU谢谢！我把问题改了一点。仍然没有足够的细节来提供答案。

ItErrors

下面发生了什么。您通常应该不惜一切代价避免使用

iterrows

。一个包含更多信息的示例数据框将大有帮助。@TEDPROU我在开头添加了一个示例数据。这并不重要。我可以在接下来的操作中使用其他方法。主要问题是当数据框变得太大时，在数据框中进行搜索。@AmirAhmad，您可能需要检查一下，谢谢！当有多行具有该startword时，this.loc[]返回一个数据帧，但当只有一行时，它返回一些其他数据类型，我应该以不同的方式处理这些数据类型。有解决办法吗？@AmirAhmad只需使用

names.loc[[word]]

而不是

names.loc[word]