如何对多个值应用正则表达式以在熊猫中创建新列？

Question

我有一个如下图所示的数据框

import pandas as pd
import numpy as np
df=pd.DataFrame({'s_id':[1,2,3,4,5,6,7,8],
                'test':['Metformin','Glipizide','Gliclazide','Glibenclamide','Repaglinide','nateglinide','sitagliptin','linagliptin']})

我想根据以下条件根据test 列中的值创建一个名为op 的新列

如果test 值包含*etformi* 模式，那么op 列应该有一个值C1。

如果test 值包含gli* 模式，那么op 列应该有一个值C2

如果test 值包含*nide 模式，那么op 列应该有一个值C3

如果test 值包含*gliptin 模式，那么op 列应该有一个值C4

我尝试了以下方法，但它没有按预期工作，并且不确定如何将它们合并在一起

df['test'].str.contains('metformi*', case=False, regex=True)
df['test'].str.contains(('gli*&&*ide'), case=False, regex=True)
df['test'].str.contains(('*nide'), case=False, regex=True)
df['test'].str.contains(('*gliptin'), case=False, regex=True)

我希望我的输出如下所示

Answer 1

您可以使用numpy.select，提供condlist 和choicelist：

import numpy as np

condlist = [
    df['test'].str.contains('etformi', case=False, regex=True),
    df['test'].str.contains(('^gli.*ide$'), case=False, regex=True),
    df['test'].str.contains(('nide$'), case=False, regex=True),
    df['test'].str.contains(('gliptin$'), case=False, regex=True)
]

choicelist = ['C1', 'C2', 'C3', 'C4']

df['op'] = np.select(condlist, choicelist)

[出]

   s_id           test  op
0     1      Metformin  C1
1     2      Glipizide  C2
2     3     Gliclazide  C2
3     4  Glibenclamide  C2
4     5    Repaglinide  C3
5     6    nateglinide  C3
6     7    sitagliptin  C4
7     8    linagliptin  C4