我有一个如下所示的数据框
df = pd.DataFrame({'person_id': [11,11,11],'text':['DOSE: 667 mg - TDS with food - Inject hypo > 4 test value here','DOSE: 667 mg - TDS with food - Tube','DOSE: 667 mg - TDS with food - PO'],'Summary':['Test','Test1','Test2']})
从以上数据框中,我想提取所有
a)DOSE:
在第一个连字符之后和之前-
b)再次提取第二连字符之后的所有内容-
。
我正在尝试如下
df['text'].str.extract('(\d+[A-Za-ZS]*(\-))',expand=True) # doesn't work
s1 = df['text'].str.split() # I tried using `str.split`
s1[0][1] # it goes on like for loop which is not elegant.
以上可以帮我吗?
我希望我的输出如下所示
您可以使用
import pandas as pd
df = pd.DataFrame({'person_id': [11,11,11],'text':['DOSE: 667 mg - TDS with food - Inject','DOSE: 667 mg - TDS with food - Tube','DOSE: 667 mg - TDS with food - PO'],'Summary':['Test','Test1','Test2']})
df['text'].str.replace(r'^DOSE:\s*([^-]*)-[^-]*-\s*(.*)', r'\1\2')
# 0 667 mg Inject
# 1 667 mg Tube
# 2 667 mg PO
# Name: text, dtype: object
正则表达式是
^DOSE:\s*([^-]*)-[^-]*-\s*(.*)
请参阅regex演示。详细资料:
^DOSE:
-DOSE:
在字符串开头\s*
-0+空格([^-]*)
-第1组(\1
指替换模式中的该组值):除a以外的任何0个或多个字符-
-
-连字符[^-]*
-除0以外的其他字符 -
-
- 一种 -
\s*
-0+空格(.*)
-捕获组2(\2
从替换模式中引用此组值):尽可能多的除换行符以外的零个或多个字符。本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句