Python 使用熊猫的正则表达式

使用pandas和python：我试图创建一个新列，如果正则表达式出现在其他指定列中，该列将显示“1”

例如，我想创建一个名为“Rheum”的新列，如果表达式“391.1”出现在每行对应的列“ICD”中，则该列的值为“1”。在ICD列的某些行中，有一些单元格具有各种形式的表达式“424.1、391.1、420.2等”

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)

示例数据帧：

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

当然！示例数据帧：

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

---

但是，此代码会产生一个新的列“Rheum”，每行只有“0”。

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

---

str.contains

返回布尔值。您可以使用简单的“添加0”将其转换为整数：

df['Rheum'] = df.ICD.str.contains('391.1') + 0

例如：

import pandas as pd
from io import StringIO

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

df = pd.read_csv(StringIO(data), sep=' \s+')
df['Rheum'] = df.ICD9.str.contains('391.1') + 0

In [122]: df
Out[122]: 
   Patient                 ICD9  Rheum
0      123  424.1, 391.1, 420.2      1
1      323    390.8, 420.2, 260      0
2      454         391.1, 424.2      1

---

你能发布你的部分数据框吗？当然！示例数据框：患者ICD9 123 424.1、391.1、420.2 323 390.8、420.2、260 454 391.1、424.2请使用数据框编辑您的问题非常感谢Anton！如果将“数据”编码为CSV文件，其中包含“患者”和“ICD9”列，是否有方法导入CSV并使用您建议的代码？是的，您可以使用

df=pd.read_CSV（'your_file'，name=['patient'，ICD9']）

然后使用该dfIf操作，如果我加载的CSV文件自动将ICD列导入为int类型，如何将此任务转换为字符串？@AMS您可以使用dataframe和series的方法

astype（str）

或者使用

df['ICD'].应用（str）

。。。请尝试在之前进行一些搜索