パンダのデータフレームでのバイナリ検索？

Question

大きなパンダのデータフレームで多数の単語を検索していますが、パフォーマンスに問題があります。 pandasデータフレームの列の文字列をバイナリ検索する方法はありますか？

今の私のコードは次のようである：

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 

しかし、私はnames[names['Name'].str.startswith(word)]のためのより良いパフォーマンスを必要とし、私は「名前」列にバイナリ検索への道を見つけなければならないと思いました。

Answer 1

このアプローチには少なくとも2つの問題があります。最初に、names['Name'].str.startswith(word)がキャッシュされる可能性がありますが、すべての単語について計算されます。次に、startswith()は単語 "the"の "There"と一致します。コードに翻訳し、この方法を変更することができます。

# 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] 

startwordがインデックスした場合、それがさらに高速になります

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