我一直在尝试加快我下面的代码,该代码查找一个索引,该索引将从列表“名称”中获取一个字符串,最后计算它在两个数据部分中具有的完全匹配的数量。
这个过程非常缓慢。我阅读了有关在使用 numpy 数组时替换 for 循环的信息,但不确定如何处理/使用正则表达式匹配创建矢量化版本。
x = np.empty([38000, 8000])
y = np.empty([38000, 8000])
for i in range(0, 38000):
for j in range(0, 8000):
x[i, j] = len(re.findall('\\b'+name[index[j]]+'\\b', data[i][1]))
y[i, j] = len(re.findall('\\b'+name[index[j]]+'\\b', data[i][2]))
非常感谢任何见解,
请您参考如下方法:
矢量化在这里对你帮助不大,但避免重复工作会:
patterns = [re.compile('\\b'+name[idx]+'\\b') for idx in index]
for i, row in enumerate(data):
for j, patt in enumerate(patterns):
x[i, j] = len(patt.findall(row[1]))
y[i, j] = len(patt.findall(row[2]))
