在 python 中將 case_when 與變異等效項一起使用

Question

我剛剛開始使用 python，我正在嘗試將我創建的一些 R 函數遷移到 python。 我對如何基於正則表達式條件創建變異列感到困惑。

目標

我有一個包含文本的 dataframe。 我想提取文本中提到分數的部分，該分數包含字母 m 后跟數字，例如“m3”或“M5”等。想法是，如果存在正則表達式，則應提取數字到名為 MStage 的列。

由於各種邊緣情況，正則表達式有點復雜，因此必須使用 ifelse（或 case_when）類型子句按順序執行多個正則表達式。

R 代碼如下所示：

 dataframe <- dataframe %>%
    mutate(
      MStage = map(
        mytext, ~ case_when(
          grepl("(?<=\\d)\\s*[Mm](?:\\s|=)*\\d+", .x,perl = TRUE) ~ stringr::str_replace(stringr::str_extract(.x, "(?<=\\d)\\s*[Mm](?:\\s|=)*\\d+"), "M", ""),
          grepl("(?=[^\\.]*[Bb]arr)[^\\.]*\\s+\\d{2}\\s*[cm]*\\s*(to |-| and)\\s*\\d{2}\\s*[cm]*\\s*", .x, ignore.case = TRUE, perl = TRUE) ~ as.character(as.numeric(sapply(stringr::str_extract_all(stringr::str_extract(.x, "\\d{2}\\s*[cm]*\\s*(to|-|and)\\s*\\d{2}\\s*[cm]*\\s*"), "\\d{2}"), function(y) abs(diff(as.numeric(y)))))),
          grepl("(?=[^\\.]*cm)(?=[^\\.]*[Bb]arr)(?=[^\\.]*(of |length))[^\\.]*", .x, perl = TRUE) ~ stringr::str_extract(paste0(stringr::str_match(.x, "(?=[^\\.]*cm)(?=[^\\.]*[Bb]arr)(?=[^\\.]*(of |length))[^\\.]*"), collapse = ""), "\\d+"),
          grepl("(\\.|^|\n)(?=[^\\.]*(small|tiny|tongue|finger))(?=[^\\.]*[Bb]arr)[^\\.]*(\\.|\n|$)", .x, perl = TRUE) ~ stringr::str_replace(.x, ".*", "1"),
          TRUE ~ "Insufficient"
        )
      )
    )

我的嘗試

我已經開始嘗試使用以下代碼將其轉換為 python：

df = df.assign(col = ['pos' if df['text'].str.contains('(?<=\\d)\\s*[Mm](?:\\s|=)*\\d+') else 'Insuf' ])

雖然我得到的錯誤是：

問題

 ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

如果正則表達式為真，我希望能夠添加提取數字的功能（以及根據 R 代碼的其他正則表達式

Answer 1

你得到這個錯誤的原因是因為if這里期待一個 boolean，但你給它提供了一系列布爾值。 通常，您可以使用 lambda function 來解決此問題。

import re
pat = '(?<=\\d)\\s*[Mm](?:\\s|=)*\\d+'
df = df.assign(col = lambda x: 'pos' if re.search(pat, x) else 'Insuf')

要提取數字，只需使用不同的re方法（如果您只需要第一次出現，可能是re.match() ）代替'pos' ，或者用re.match()和fillna()替換if else 'Insuf'在assign()的另一邊。

df = df.assign(col = lambda x: re.match(pat, x)).fillna(value='Insuf')