删除列中一组关键字后的文本

Question

我有一个熊猫数据框，看起来如下所示

df = pd.DataFrame({'person_id': [11,11,11,11,11,11],
                   'details':['DOSE: 667 mg - TDS with food - Inject','DOSE: 667 mg - TDS with food - PO PRN Test','DOSE: 667 mg - TDS with food - Tube','DOSE: 667 mg - TDS with food - Inject  hypo gdksajgfkjsagf > 4 test value here','DOSE: 667 mg - TDS with food - Tube START 10:00 AM','DOSE: 667 mg - TDS with food - PO QTY removed']})

我想根据下面的逻辑从details列中删除部分文本

a）如果文本值包含PRN、Hypo、START或QTY removed等关键字，则删除这些关键字后面的所有内容关键字也可以是小写或大写

我在尝试下面的东西

df['text'].str.rsplit(r'prn|hypo|start|qty removed', 1).str.get(0) # this doesn't work

我希望我的输出如下所示。请注意，我的datatset有400-500万条记录，因此任何高效、优雅的方法都会非常有用

Answer 1

我们可以按顺序用{}做{a1} 不区分大小写

df['details'] = df['details'].str.replace('prn|hypo|start|qty removed', '', 
                                          regex=True, case=False)

Answer 2

您可以使用Series.str.replace而不是rsplit：

df['details'] = df['details'].str.replace(r'(?i)\s*\b(prn|hypo|start|qty removed).*', '')
# >>> df['details'].str.replace(r'(?i)\s*\b(prn|hypo|start|qty removed).*', '')
# 0    DOSE: 667 mg - TDS with food - Inject
# 1        DOSE: 667 mg - TDS with food - PO
# 2      DOSE: 667 mg - TDS with food - Tube
# 3    DOSE: 667 mg - TDS with food - Inject
# 4      DOSE: 667 mg - TDS with food - Tube
# 5        DOSE: 667 mg - TDS with food - PO
# Name: details, dtype: object

见regex demo。详情：

• (?i)-使正则表达式搜索不区分大小写的内联修饰符
• \s*-零个或多个空格字符
• \b-一个完整的单词标记，单词边界
• (prn|hypo|start|qty removed)-一组可选字符串（捕获，您可以通过将(替换为(?:将其转换为非捕获）
• .*-行的其余部分（除换行符以外的任何零个或多个字符，尽可能多）