python - 使用 Pandas 的正则表达式

Question

使用 pandas 和 python:我正在尝试创建一个新列，如果正则表达式出现在其他指定列中，则该列显示“1”。

例如，我想创建一个标题为“Rheum”的新列，如果表达式“391.1”出现在每行的相应列“ICD”中，则该列的值为“1”。在 ICD 列的某些行中，有一些单元格具有“424.1、391.1、420.2 等”形式的各种表达式。

到目前为止我已经:

import pandas as pd 

df = pd.read_csv('example_worksheet.csv')

def ICD(c):
    if c[df['ICD9'].apply(str).str.contains('391.1', na=False)] == True:
        return '1'
    else:
        return '0'

df['Rheum'] = df.apply(ICD, axis=1)

示例数据框:

当然!示例数据框:

Patient   ICD9    
123        424.1, 391.1, 420.2
323        390.8, 420.2, 260
454        391.1, 424.2

但是，此代码会生成一个新列“Rheum”，每行仅包含“0”。

Answer 1

您可以使用str.contains:

import pandas as pd

df = pd.DataFrame({'col1':[1,2,3],'ICD':['424.1, 391.1, 420.2, etc','ABV','391.1']})

df['Rheum'] = df.ICD.str.contains('391.1').astype(int)

#Out[7]: 
#                        ICD  col1  Rheum
#0  424.1, 391.1, 420.2, etc     1      1
#1                       ABV     2      0
#2                     391.1     3      1