使用字符串包含标记字符串中的确切单词

Question

我有一个看起来像这样的数据集：ID Symptoms1  ear, fever2  hearing loss3  hurt ear4  spear wound5  bad hearing  6  earring cut我只想标记出现“耳朵”的记录。因此，例如，输出将如下所示：ID Symptoms         Ear1  ear, fever        12  hearing loss      03  hurt ear          14  spear wound       05  bad hearing       0 6  earring cut       0我玩过一些代码但收效甚微：问题：此代码会提取任何带有“ear”文本的内容LABS_TAT.loc[:,"Ear"]=np.where(LABS_TAT["Symptoms"].str.contains("ear", case=False),1,0)注意“ear”之后的空格，此代码不会标记记录“hurt ear” LABS_TAT.loc[:,"Ear"]=np.where(LABS_TAT["Symptoms"].str.contains("ear ", case=False),1,0)注意“ear”之前的空格，此代码不会标记记录“ear, fever” LABS_TAT.loc[:,"Ear"]=np.where(LABS_TAT["Symptoms"].str.contains(" ear", case=False),1,0)我怎样才能修复我的代码，以便它用单词“ear”标记任何记录？我觉得有一个简单的答案，但我对 python 还是有点陌生。

Answer 1

Series.str.contains与正则表达式模式一起使用：

df['Ear'] = df['Symptoms'].str.contains(r'(?i)\bear\b').astype(int)

结果：

  ID      Symptoms   Ear

0   1    ear, fever    1

1   2  hearing loss    0

2   3      hurt ear    1

3   4   spear wound    0

4   5   bad hearing    0

5   6   earring cut    0

Answer 2

由于.contains()采用正则表达式模式，这应该和.contains(r"\bear\b", case=False).

\b指示单词边界字符。