如何使用不同的关键字拆分熊猫字符串列？答案

【问题标题】：How can I split a pandas string column using different key words?如何使用不同的关键字拆分熊猫字符串列？
【发布时间】：2021-03-09 14:48:02
【问题描述】：

我需要将一列（pandas 数据框的一部分）拆分为单元格中描述的列。我尝试使用 split(":") ，但它会在有几个小时的地方分裂。请问有什么建议吗？我想从这个出发： enter image description here

DOSE: 20 mg - ROUTE: oral  (morning) - START: 01/Jan/20 15:39:00

对此： enter image description here

Dose     Route           Start                 Stop
20 mg    oral(morning)  01/jan/20  15:39:00    01/07/2020  15:39:00

【问题讨论】：

标签： regex pandas split

【解决方案1】：

你可以使用

>>> import pandas as pd
>>> pattern = r"^DOSE:\s*(?P<Dose>.*?)\W+ROUTE:\s*(?P<Route>.*?)\W+START:\s*(?P<Start>.*?)(?:\W+STOP:\s*(?P<Stop>.*)|$)"
>>> df = pd.DataFrame({'Description':["DOSE: 20 mg - ROUTE: oral  (morning) - START: 01/Jan/20 15:39:00", "DOSE: 20 mg - ROUTE: oral  (morning) - START: 01/Jan/20 15:39:00 STOP: 05/Feb/20 12:33:45"]})
>>> df["Description"].str.extract(pattern).fillna("")
    Dose           Route               Start                Stop
0  20 mg  oral  (morning  01/Jan/20 15:39:00                    
1  20 mg  oral  (morning  01/Jan/20 15:39:00  05/Feb/20 12:33:45

请参阅regex demo。

详情

^ - 字符串开头
DOSE: - 文字文本
\s* - 0+ 个空格
(?P<Dose>.*?) - 组“剂量”：任何零个或多个字符，尽可能少
\W+ - 一个或多个非单词字符
ROUTE:\s* - ROUTE: 和零个或多个空格
(?P<Route>.*?) - 组“路线”：任何零个或多个字符，尽可能少
\W+START:\s* - 一个或多个非单词字符，START: 和零个或多个空格
(?P<Start>.*?) - 组“开始”：任何零个或多个字符，尽可能少
(?:\W+STOP:\s*(?P<Stop>.*)|$) - 要么
- \W+STOP:\s*(?P<Stop>.*) - 一个或多个非单词字符，STOP: 和零个或多个空格，然后“停止”组捕获任何零个或多个字符，尽可能少
- | - 或
- $ - 字符串结束。

【讨论】：