Python 一种快速计算降价链接数的方法

我有一个包含reddit注释的数据框

df

。每个评论可能包含许多降价链接。比如说,

'[a](https://www.google.com/) bcd [e](https://pandas.pydata.org/)'

我想计算这样的链接。我的方法是

df['comment'].str.count（'\[（？P[^\]+）\]\（？P[^\]]+）\）

因为我的数据帧包含超过400万行，我想问一下是否有可能更快的方法来实现这一点。非常感谢你

import pandas as pd
d = {'col1': [1, 2],
     'comment': ['[a](https://www.google.com/) bcd [e](https://pandas.pydata.org/)',
                 '[f](https://www.google.com.vn/) bcd [g](https://pandas.pydata.org/)'
                ]
    }
df = pd.DataFrame(data = d)
df['comment'].str.count('\[(?P<txt>[^\]]+)\]\((?P<lnk>[^\)]+)\)')

将熊猫作为pd导入
d={'col1'：[1,2]，
'评论'：['[a](https://www.google.com/)bcd[e](https://pandas.pydata.org/)',
“[f](https://www.google.com.vn/)卡介苗[g](https://pandas.pydata.org/)'
]
}
df=pd.DataFrame（数据=d）
df['comment'].str.count（'\[（？P[^\]]+）\]\\（？P[^\]]+）\））

为了提高性能，我会放弃捕获组

但是，正如OP在评论中所说的，首先需要捕获gropup。因此，我在这里看到两种方法：

删除不必要的捕获组并可以选择删除命名组：

然后，replacment模式应为

\1

（仅为组参考）

使用前瞻并仅捕获所需文本：

---

你目前需要多长时间？你找过了吗？你发现了什么？我认为你可以通过简化它来稍微提高模式性能：

\[^\]+\]\（[^\]]+\）

，除此之外，我认为它没有比这更好的了。@MichałTurczyn我用

从链接中提取文本。replace（'\[（？P[^\]+）\]\]\]\\\（？P[^\]+）\），'\g'）

。在我看来，通过与您的

\[^\]+\]\\\（[^\]]+\）

相结合，此提取可以稍微快一点。你能为这个提取调整它吗？好的，你只需要一个组，所以我会放弃另一个，仍然应该有轻微的性能提升：

\[（？P[^\]+）\]\]\（[^\]+\）

让我知道它是否更快：）你认为它有多快？根据哪项测试得出的结论更快？@user12750353消除复杂性总是获得性能。此外，OP测试itI在这里测试，但匹配时仅减少10%，这就是我问的原因。

\[([^\]]+)\]\([^\)]+\)

\[[^\]]+\](?=\([^\)]+\))