如何在Python中对多个术语使用正向和反向前瞻？

Question

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

我读的是关于积极和消极的前瞻性和前瞻性

所以，我尝试了下面的方法

[^([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（删除诸如xx个单位、每天xx次、每周xx次、每天xx次、每周xx次、每周xx次、每周xx次等术语）

Answer 1

<>你可以考虑像

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 demo

注意：\d+与一个或多个数字匹配。如果您需要匹配任何数字，请考虑使用您期望的格式的其他模式，例如参见{a2}。

图案细节

• \s*-零个或多个空格字符
• \d+-一个或多个数字
• \s*-零个或多个空格
• (?: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用1+空格括起来，或/用0+空格括起来
  • (?:d(?:ay)?|w(?:ee)?k|month|y(?:ea)?r?)-{}或{}，或{}或{}，或{}，或{}/{}/{}

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

在熊猫中，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', '')