如何计算DataFrame每行最长字符链及指定重复模式的最长长度？

Got it, let's tackle these two Pandas questions one by one. I'll walk you through practical, easy-to-implement solutions with code examples.

假设你的DataFrame有一列文本数据（比如叫text），我们可以写一个自定义函数来处理每个字符串，然后用apply方法把它应用到每行。

实现思路 #

遍历字符串的每个字符，跟踪当前连续字符的长度，同时记录遇到的最大长度：

• 如果当前字符和前一个相同，就增加当前长度；
• 否则重置当前长度为1；
• 最后返回记录的最大长度（同时处理空字符串或非字符串的边界情况）。

代码示例 #

import pandas as pd

def get_longest_consecutive_char_length(s):
    # 处理空字符串或非字符串类型的情况
    if not isinstance(s, str) or len(s) == 0:
        return 0
    max_length = 1
    current_length = 1
    for i in range(1, len(s)):
        if s[i] == s[i-1]:
            current_length += 1
            if current_length > max_length:
                max_length = current_length
        else:
            current_length = 1
    return max_length

# 测试用示例DataFrame
df = pd.DataFrame({
    'text': ['aaabbbcc', 'ababab', 'aaaaa', '', 'xxxyyyzzzz']
})

# 应用函数生成新列
df['longest_consecutive_char'] = df['text'].apply(get_longest_consecutive_char_length)
print(df)

运行结果 #

text  longest_consecutive_char
0    aaabbbcc                         3
1     ababab                         1
2       aaaaa                         5
3                                     0
4  xxxyyyzzzz                         4

这个需求更具体，只关注字符a的连续序列，这里提供两种常用解法：

方法一：正则表达式（简洁高效） #

用正则匹配所有连续的a序列，然后计算这些序列的长度，取最大值即可；如果没有匹配到a，返回0。

代码示例 #

import re
import pandas as pd

def get_longest_consecutive_a_length(s):
    if not isinstance(s, str):
        return 0
    # 匹配所有连续的'a'序列
    a_sequences = re.findall(r'a+', s)
    if not a_sequences:
        return 0
    # 返回最长序列的长度
    return max(len(seq) for seq in a_sequences)

# 测试用示例DataFrame
df = pd.DataFrame({
    'text': ['aaabbbccaaa', 'ababab', 'aaaaa', 'xxxyyy', 'aabbaaa']
})

df['longest_consecutive_a'] = df['text'].apply(get_longest_consecutive_a_length)
print(df)

运行结果 #

text  longest_consecutive_a
0  aaabbbccaaa                       3
1    ababab                           1
2      aaaaa                           5
3     xxxyyy                           0
4    aabbaaa                           3

方法二：遍历统计（直观易懂） #

和第一个问题的思路类似，但只在字符是a时累加长度，遇到其他字符就重置当前长度，同时记录最大的连续a长度。

代码示例 #

import pandas as pd

def get_longest_consecutive_a_length(s):
    if not isinstance(s, str) or len(s) == 0:
        return 0
    max_a_length = 0
    current_a_length = 0
    for char in s:
        if char == 'a':
            current_a_length += 1
            if current_a_length > max_a_length:
                max_a_length = current_a_length
        else:
            current_a_length = 0
    return max_a_length

# 应用到示例DataFrame，结果和方法一一致
df['longest_consecutive_a'] = df['text'].apply(get_longest_consecutive_a_length)

内容的提问来源于stack exchange，提问作者Victor A