python - 将 pandas 中的正则表达式值转换为 0 或 1

Question

我有下面的 pandas 专栏。我需要将包含单词“anaphylaxis”的单元格转换为 1，将不包含单词的单元格转换为 0。

到现在为止我已经尝试过了，但是还缺少一些东西

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

Answer 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

当您还想执行基于正则表达式的匹配时，

contains 很有用。虽然在这种情况下，您可以通过添加 regex=False 来完全摆脱正则表达式以获得更高的性能。

---

但是，要获得更多 性能，请使用列表理解。

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