将 pandas 中的正则表达式值转换为 0 或 1答案

【问题标题】：Convert regex values in pandas to 0 or 1将 pandas 中的正则表达式值转换为 0 或 1
【发布时间】：2018-12-02 23:36:24
【问题描述】：

我有下面的熊猫专栏。我需要将包含单词“过敏反应”的单元格转换为 1，将不包含单词的单元格转换为 0。

到目前为止我已经尝试过，但还是缺少一些东西

df['Name']= df['Name'].replace(r"^(.(?=anaphylaxis))*?$", 1,regex=True)
df['Name']= df['Name'].replace(r"^(.(?<!anaphylaxis))*?$", 0, regex=True)


ID             Name
84      Drug-induced anaphylaxis
1041    Acute anaphylaxis
1194    Anaphylactic reaction
1483    Anaphylactic reaction, due to adverse effect o...
2226    Anaphylaxis, initial encounter
2428    Anaphylaxis
2831    Anaphylactic shock
4900    Other anaphylactic reaction

【问题讨论】：

标签： python regex pandas series

【解决方案1】：

使用str.contains 进行不区分大小写的匹配。

import re
df['Name'] = df['Name'].str.contains(r'anaphylaxis', flags=re.IGNORECASE).astype(int)

或者，更简洁地说，

df['Name'] = df['Name'].str.contains(r'(?i)anaphylaxis').astype(int)

df
     ID  Name
0    84     1
1  1041     1
2  1194     0
3  1483     0
4  2226     1
5  2428     1
6  2831     0
7  4900     0

contains 在您还想执行基于正则表达式的匹配时很有用。虽然在这种情况下，您可能可以通过添加 regex=False 来完全摆脱正则表达式以获得更高的性能。

但是，为了获得更多的性能，请使用列表推导式。

df['Name'] = np.array(['anaphylaxis' in x.lower() for x in df['Name']], dtype=int)

甚至更好，

df['Name'] = [1 if 'anaphylaxis' in x.lower() else 0 for x in df['Name'].tolist()]

df

     ID  Name
0    84     1
1  1041     1
2  1194     0
3  1483     0
4  2226     1
5  2428     1
6  2831     0
7  4900     0

【讨论】：

这是我需要的。谢谢！

【解决方案2】：

您可以使用pd.Series.str.contains 代替正则表达式。该方法返回一个布尔序列，然后我们将其转换为int。

df['Name']= df['Name'].str.contains('anaphylaxis', case=False, regex=False)\
                      .astype(int)

结果：

     ID  Name
0    84     1
1  1041     1
2  1194     0
3  1483     0
4  2226     1
5  2428     1
6  2831     0
7  4900     0

【讨论】：