python 基于另一个字符串变量创建字符串变量（包含）

Question

我有一个包含阶段信息的混乱字符串变量，我想创建一个包含更少组的更清晰的字符串。当前数据框如下所示：

cohort = pd.DataFrame({'stage_group': ['XXX Stage I', 'Stage II XXX', 'Stage III XXX', 'XX Stage IV XXX', 'NA']},index=[1, 2, 3, 4, 5])

我的理想变量是 3 个级别：I-III 阶段、IV 阶段和未知：

cohort2 = pd.DataFrame({'stage_group': ['XXX Stage I', 'Stage II XXX', 'Stage III XXX', 'XX Stage IV XXX','NA'],'stage': ['Stage I', 'Stage II', 'Stage III', 'Stage IV', 'Unknown']},index=[1, 2, 3, 4, 5])

我尝试了以下代码，但它们没有正确分配组（我刚进入 I-III 阶段，未知）。任何的意见都将会有帮助。

searchfor = ['Stage I', 'Stage II', 'Stage III']

cohort['stage'] = pd.np.where(cohort.stage_group.str.contains('|'.join(searchfor)), "Stage I-III",
                  pd.np.where(cohort.stage_group.str.contains('Stage IV'), "Stage IV", "Unkown"))

Answer 1

如果我更改顺序，代码对我有用，因为 Stage IV 还包含 Stage I，因此必须在 Stage I

之前检查 Stage IV

import pandas as pd

data = {'stage_group': '''XXX Stage I 
Stage II XXX
Stage III XXX
XX Stage IV XXX
NA'''.split('\n')
}

cohort = pd.DataFrame(data)

print(cohort)

searchfor = ['Stage I', 'Stage II', 'Stage III']

cohort['stage'] = pd.np.where(cohort.stage_group.str.contains('Stage IV'), "Stage IV",
                  pd.np.where( cohort.stage_group.str.contains('|'.join(searchfor)), "Stage I-III", "Unkown"))

print(cohort)

结果

       stage_group
0     XXX Stage I 
1     Stage II XXX
2    Stage III XXX
3  XX Stage IV XXX
4               NA

       stage_group        stage
0     XXX Stage I   Stage I-III
1     Stage II XXX  Stage I-III
2    Stage III XXX  Stage I-III
3  XX Stage IV XXX     Stage IV
4               NA       Unkown

python 基于另一个字符串变量创建字符串变量（包含）

python create string variable based on a another string variable (contains)

python

contains

data-manipulation

pandas