Question

在测试数据类型时，在for循环中使用正则表达式的最佳方法是什么？

对于上下文，我正在遍历具有多种数据类型的大型不干净数据集，并且需要查找字符串扩展名（如果存在）。对我的代码进行少量更改（例如将值转换为字符串）会花费我几分钟的时间。

我通读了这个问题Python: How to use RegEx in an if statement?，但没有找到一种方法来测试是否匹配，而没有先转换为字符串。

值：

vals = [444444, '555555-Z01']
pattern = re.compile('[-]*[A-Z]{1}[0-9]{2}$')
# new_vals = [444444, 555555]

慢速方法： （每个循环2.4 µs±93.6 ns）

new_vals = []
for v in vals:
    if type(v)==str:
        if pattern.search(v) is not None:
            new_v = pattern.findall(v)[0].replace('-','')
            new_vals.append(new_v)
    else:
        new_vals.append(v)

快速方法： （每个循环1.84 µs±34.7 ns）

f = lambda x: x if type(x)!=str else pattern.findall(x)[0].replace('-','')

new_vals = []
for v in vals:
    new_vals.append(f(v))

方法失败：

new_vals = []
for v in vals:
    if ((type(v)==str) & (pattern.search(v) is not None)):
        new_vals.append(v)

错误：

TypeError: expected string or bytes-like object

Answer 1

我尝试使用try/except块来击败您的尝试，但是异常处理似乎花费了太多时间。 “要宽恕多于允许”要这么多……

如果仅将&换成and，则最后一次尝试是最有前途的，因为&是合乎逻辑的并且不会短路。

为此，我将在列表理解中加快速度，并放弃is not None测试，这是无用的，因为如果search成功，它将返回一个正则表达式对象，即诚实：

new_vals = [v for v in vals if type(v)==str and pattern.search(v)]

或使用isinstance（同样的速度，也测试str的子类）：

new_vals = [v for v in vals if isinstance(v,str) and pattern.search(v)]

测试数据类型时，在for循环中使用正则表达式的最佳方法是什么？

1 个答案: