熊猫栏中的提取正则表达式
熊猫栏中的提取正则表达式
提问于 2021-07-29 21:51:31
嗨，我正在寻找从不同产品的数量从Df列到一个新的列。目前，这些数字是在产品类型之后出现的。
数据如下：
PRODUCTS
PULSAR AT 20 MG ORAL 30 TAB RECUB
LIPITOR 40 MG 1+1 ORAL 15 TAB
LOFTYL 150 MG ORAL 30 TAB
SOMAZINA 500 MG ORAL 10 COMP RECUB
LOFTYL 30 TAB 150 MG ORAL
*Keeps going more entries...*我的功能如下：
df['PZ'] = df['PRODUCTS'].str.extract('([\d]*\.*[\d]+)\s*[tab|cap|grag|past|sob]',flags=re.IGNORECASE)产品可以是TAB，COMP，AMP，SOB，过去，GRAG .和其他人
我想得到这样的东西：
PRODUCTS PZ
PULSAR AT 20 MG ORAL 30 TAB RECUB 30
LIPITOR 40 MG 1+1 ORAL 15 TAB 15
LOFTYL 150 MG ORAL 30 TAB 30
SOMAZINA 500 MG ORAL 10 COMP RECUB 10
LOFTYL 30 TAB 150 MG ORAL 30我可以在我的行中做些什么来得到以下信息呢？
谢谢你读到我和你的帮助。
回答 2
Stack Overflow用户
回答已采纳
发布于 2021-07-29 21:56:21
您可以使用
import pandas as pd
df = pd.DataFrame({'PRODUCTS':['PULSAR AT 20 MG ORAL 30 TAB RECUB','LIPITOR 40 MG 1+1 ORAL 15 TAB','LOFTYL 150 MG ORAL 30 TAB','SOMAZINA 500 MG ORAL 10 COMP RECUB','LOFTYL 30 TAB 150 MG ORAL']})
rx = r'(?i)(\d*\.?\d+)\s*(?:tab|cap|grag|past|sob|comp)'
df['PZ'] = df['PRODUCTS'].str.extract(rx)
>>> df
PRODUCTS PZ
0 PULSAR AT 20 MG ORAL 30 TAB RECUB 30
1 LIPITOR 40 MG 1+1 ORAL 15 TAB 15
2 LOFTYL 150 MG ORAL 30 TAB 30
3 SOMAZINA 500 MG ORAL 10 COMP RECUB 10
4 LOFTYL 30 TAB 150 MG ORAL 30
>>> 如果像tab、cap等这样的单词是完整的单词，并且不能是较长的单词的一部分，那么您需要在模式的末尾添加一个单词边界，即rx = r'(?i)(\d*\.?\d+)\s*(?:tab|cap|grag|past|sob|comp)\b'。
见regex演示。详细信息
(?i)-一个不区分大小写的内联修饰符(\d*\.?\d+)-第1组:零或多个数字，一个可选的.，然后一个或多个数字\s*-零或更多空格字符(?:tab|cap|grag|past|sob|comp)-一个非捕获组(为了不干扰Series.str.extract输出)，与其内的任何替代子字符串相匹配。\b-一个词的边界。
Stack Overflow用户
发布于 2021-07-29 22:26:30
也许.
给出了一个数据格式(注:我使产品在一行中出现了两次，以防万一发生这种情况).
PRODUCTS
0 PULSAR AT 20 MG ORAL 30 GRAG RECUB
1 LIPITOR 40 MG 1+1 ORAL 15 TAB
2 LOFTYL 150 GRAG ORAL 30 TAB
3 SOMAZINA 500 MG ORAL 10 COMP RECUB
4 LOFTYL 30 TAB 150 MG ORAL
5 *Keeps going more entries...*代码：
import pandas as pd
import re
data = {'PRODUCTS' : ["PULSAR AT 20 MG ORAL 30 GRAG RECUB", "LIPITOR 40 MG 1+1 ORAL 15 TAB", \
"LOFTYL 150 GRAG ORAL 30 TAB", "SOMAZINA 500 MG ORAL 10 COMP RECUB", \
"LOFTYL 30 TAB 150 MG ORAL" , "*Keeps going more entries...*"]}
df = pd.DataFrame(data)
# maintain a list of products to find
products = ['TAB', 'COMP', 'AMP', 'SOB', 'PAST', 'GRAG']
def getProduct(x):
found = list()
for product in products:
pattern = r'(\d+)' + ' ' + str(product)
found.append(re.findall(pattern, x))
found = list(filter(None, found))
found = [item for sublist in found for item in sublist]
found = ", ".join(str(item) for item in found)
return found
df['PZ'] = [getProduct(row) for row in df['PRODUCTS']]
print(df)输出：
PRODUCTS PZ
0 PULSAR AT 20 MG ORAL 30 GRAG RECUB 30
1 LIPITOR 40 MG 1+1 ORAL 15 TAB 15
2 LOFTYL 150 GRAG ORAL 30 TAB 30, 150
3 SOMAZINA 500 MG ORAL 10 COMP RECUB 10
4 LOFTYL 30 TAB 150 MG ORAL 30
5 *Keeps going more entries...* 页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/68583167
复制相关文章
相似问题
腾讯云开发者
