如何在 Python 中對多個術語使用正面和負面展望？

Question

我有一個如下所示的數據框

df = pd.DataFrame({'person_id': [11,11,11,11,11,11,11,11,11,11],
                   'text':['inJECTable 1234 Eprex DOSE 4000 units on NONd',
                           'department 6789 DOSE 8000 units on DIALYSIS days  -  IV Interm',
                           'inJECTable 4321 Eprex DOSE - 3 times/wk on NONdialysis day',
                           'insulin MixTARD  30/70 - inJECTable 46 units',
                           'insulin ISOPHANE -- InsulaTARD  Vial -  inJECTable 56 units  SC SubCutaneous',
                           '1-alfacalcidol DOSE 1 mcg  - 3 times a week  -  IV Intermittent',
                           'jevity liquid - FEEDS PO  Jevity  -  237 mL  -  1 times per day',
                           '1-alfacalcidol DOSE 1 mcg  - 3 times per week  -  IV Intermittent',
                           '1-supported DOSE 1 mcg  - 1 time/day  -  IV Intermittent',
                           '1-testpackage DOSE 1 mcg  - 1 time a day  -  IV Intermittent']})

我想刪除遵循模式的單詞/字符串，例如46 units 、 3 times a week 3 times per week 、 1 time/day 3 times per week 。

我正在閱讀關於正面和負面的前后展望。

所以，正在嘗試像下面這樣的東西

[^([0-9\s]*(?=units))]  #to remove terms like `46 units` from the string
[^[0-9\s]*(?=times)(times a day)] # don't know how to make this work for all time variants

時間變量例如： 3 times a day 、 3 time/wk 、 3 times per day 3 times a month 3 times/month 。

基本上，我希望我的輸出類似於以下內容（刪除諸如 xx 個單位、每天 xx 次、每周 xx 次、xx 時間/天、xx 時間/周、xx 時間/周、每周 xx 次等術語）

Answer 1

你可以考慮一個模式

\s*\d+\s*(?:units?|times?(?:\s+(?:a|per)\s+|\s*/\s*)(?:d(?:ay)?|w(?:ee)?k|month|y(?:ea)?r?))

查看正則表達式演示

注意： \\d+匹配一位或多位數字。 如果您需要匹配任何數字，請考慮以您期望的格式為數字使用其他模式，請參閱正則表達式以查找小數/浮點數？ ， 例如。

圖案詳情

• \\s* - 零個或多個空白字符
• \\d+ - 一位或多位數字
• \\s* - 零個或多個空格
• (?:units?|times?(?:\\s+(?:a|per)\\s+|\\s*/\\s*)(?:d(?:ay)?|w(?:ee)?k|month|y(?:ea)?r?)) - 非捕獲組匹配：
  • units? - unit或多個units
  • | - 或者
  • times? - time或times
  • (?:\\s+(?:a|per)\\s+|\\s*/\\s*) - a或per用 1+ 個空格包圍，或/用 0+ 個空格包圍
  • (?:d(?:ay)?|w(?:ee)?k|month|y(?:ea)?r?) - d或day ，或wk或week ，或month ，或y / yea / yr

如果您只需要匹配整個單詞，請使用單詞邊界\\b ：

\s*\b\d+\s*(?:units?|times?(?:\s+(?:a|per)\s+|\s*/\s*)(?:d(?:ay)?|w(?:ee)?k|month|y(?:ea)?r?))\b

在熊貓中，使用

df['text'] = df['text'].str.replace(r'\s*\b\d+\s*(?:units?|times?(?:\s+(?:a|per)\s+|\s*/\s*)(?:d(?:ay)?|w(?:ee)?k|month|y(?:ea)?r?))\b', '')