如何对Python中的多个术语使用正面和负面的前瞻性？

Question

我有如下所示的数据框架

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46 units、3 times a week、3 times per week、1 time/day等模式下的单词/字符串。

我读到了积极和消极的展望前后。

所以，试着像下面这样的

[^([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

时间变体如：3 times a day、3 time/wk、3 times per day、3 times a month、3 times/month等。

基本上，我希望我的输出如下(去掉像xx单位，某日时间，每周xx次，xx时间/日，xx时间/周，xx时间/周，xx次每周，等等)

​

​

Answer 1

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?))

见regex演示

注意事项：\d+匹配一个或多个数字。如果您需要匹配任何数字，请考虑以您期望的格式对数字使用其他模式，例如，请参见查找十进制/浮点数的正则表达式？。

模式细节

• \s* -零或更多空格字符
• \d+ -一个或多个数字
• \s* -零或多个空白空间
• (?:units?|times?(?:\s+(?:a|per)\s+|\s*/\s*)(?:d(?:ay)?|w(?:ee)?k|month|y(?:ea)?r?)) -非捕获组匹配：
  • units? - unit或units
  • | -或
  • times? - time或times
  • (?:\s+(?:a|per)\s+|\s*/\s*) - a或per包含1+空格，或/包含0+空格
  • (?:d(?:ay)?|w(?:ee)?k|month|y(?:ea)?r?) - d或day，wk或week，month，或month

如果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

在潘达斯，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', '')