我有一个如下所示的数据框
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']})
我想删除遵循以下模式的单词/字符串:46 单位、每周 3 次、每周 3 次 ，1次/天等
我正在阅读有关积极和消极的 future 展望。
所以，正在尝试像下面这样的事情
[^([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
时间变量例如:每天 3 次、每周 3 次、每天 3 次、每月 3 次、3 次/月 等
基本上，我希望我的输出如下所示(删除诸如 xx 单位、每天 xx 时间、每周 xx 次、xx 时间/天、xx 时间/周、xx 时间/周、xx 次每周等术语等)
最佳答案
您可以考虑这样的模式
\s*\d+\s*(?:units?|times?(?:\s+(?:a|per)\s+|\s*/\s*)(?:d(?:ay)?|w(?:ee)?k|month|y(?:ea)?r?))
请参阅regex demo
注意:\d+ 匹配一个或多个数字。如果您需要匹配任何数字，请考虑对您期望的格式的数字使用其他模式，请参阅 regular expression for finding decimal/float numbers? ，例如。
图案详细信息
\s*- 零个或多个空白字符\d+- 一位或多位数字\s*- 零个或多个空格(?:单位?|次?(?:\s+(?:a|per)\s+|\s*/\s*)(?:d(?:ay)?|w( ?:ee)?k|month|y(?:ea)?r?))- 非捕获组匹配:单位？-单位或单位|- 或次？-时间或次(?:\s+(?:a|per)\s+|\s*/\s*)-a或per用 1 个以上空格括起来，或/用 0 个以上空格括起来(?:d(?:ay)?|w(?:ee)?k|月|y(?:ea)?r?)-d或天，或周或周，或月，或y/是/年
如果您只需要匹配整个单词，请使用单词边界，\b:
\s*\b\d+\s*(?:units?|times?(?:\s+(?:a|per)\s+|\s*/\s*)(?:d(?:ay)?|w(?:ee)?k|month|y(?:ea)?r?))\b
在 Pandas 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', '')
关于python - 如何在Python中对多个术语使用正向和负向前瞻？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/64157077/