Question

我正在尝试通过从dDrugs字典（带有一堆字符串值）中提取drugs列表以及与提取的关联键来创建新字典data药物（无论有多少键具有相同的药物值）。我的目标是使用dDrugs字典中的值在现有pandas数据框dFrame中创建新列，使用键来定位和填充数据框中的相应记录。到目前为止，这就是我所拥有的：

data{
 530.0: 'AC FOLLOWED BY Tylenol',
 651.0: nan,
 692.0: nan,
 993.0: 'Penicillin 250mg',
 044.0: nan,
 055.0: 'septrim GIVEN 2x daily.',
 476.0: nan,
 817.0: 'penicilin 100MG & ibuprofen 1160MG',
 748.0: 'ADVIL;',
 258.0: 'Glaxo welc 50mg;',
 569.0: nan,
 140.0: 'dfafdg ghjgjkgk hgk',
 863.0: nan,
 504.0: 'Doxicycline',
 675.0: 'water'
 }

drugs = ['cycline', 'advil', 'penicilin', 'penicillin', 'tylenol', 'ibuprofen']

data =   dict([(k, val) for k, val in data.items() if(val)])#this was supposed to clean the dict
data = dict((k, v) for k, v in data.items() if v)#so is this but I still get KeyError nan
dDrugs = {}
for drugsuffix in drugs:
    drugre = re.compile(r'([A-Za-z][a-z]{4,}%s)[^a-z]'%(drugsuffix.lower(),))
    for key, value in data.items():
        for chtxt in data[value]:
            for m in drugre.finditer(chtxt+" "):
                drugname = m.group(1)
                dDrugs[key].append(drugname.lower())

#been stuck here like forever!                

#Error
---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
<ipython-input-118-0a4cff097dc9> in <module>()
      7     drugre = re.compile(r'([A-Za-z][a-z]{4,}%s)[^a-z]'%
(drugsuffix.lower(),))
      8     for key, value in data.items():
----> 9         for chtxt in data[value]:
     10             for m in drugre.finditer(chtxt+" "):
     11                 drugname = m.group(1)

KeyError: nan

我该怎么做才能解决这个问题？并实现我的最终目标？谢谢。

Answer 1

由于np.nan的行为与None不同，因此您的字典无法清除。具体来说，

>>>bool(np.nan)
True

然而，

>>>np.nan == np.nan
False

所以

{k: v for k, v in data.items() if v == v}

实际上会清理你的字典。

对于您的问题，用

替换嵌套循环

for k, v in data.items():
    dDrugs[k] = [drug for drug in drugs if drug in v.lower()]

似乎有效。

要添加列，您应该只能在包含键的列上使用.map(dDrugs)。

修改要在部分匹配上提取全名，您可以使用基于药物的正则表达式的findall方法：

drugs = [re.compile('\S*'+drug) for drug in drugs] for k, v in data.items(): dDrugs[k] = [drug for drug_suffix in drugs for drug in drug_suffix.findall(v.lower())] dDrugs Out[1482]: {55.0: [], 140.0: [], 258.0: [], 504.0: ['doxicycline'], 530.0: ['tylenol'], 675.0: [], 748.0: ['advil'], 817.0: ['penicilin', 'ibuprofen'], 993.0: ['penicillin']}

findall返回一个列表，这需要双重理解。我在这里使用的正则表达式只是在给定后缀返回到最后一个空白字符（如果有）之前获取所有非空格字符（如果有的话）。对于完整的数据集，您可能需要更复杂的东西。

我如何处理错误：numpy.float64不能迭代，而KeyError：nan在Dict中？

1 个答案: