如何筛选位于美国马里兰州贝塞斯达NINDS的临床试验？

先排查拆分后地点字段的结构，再针对不同场景调整筛选逻辑：

1. 先确认数据结构 #

先打印字段样例，明确拆分后的数据类型：

# 查看前5行地点字段的格式
print(df['locations'].head())

2. 针对不同结构的筛选方案 #

场景1：地点字段是字符串列表（每个元素为地点字典/字符串） #

如果每个地点是包含机构名、城市、州的字典（比如[{"name": "National Institute of Neurological Disorders and Stroke", "city": "Bethesda", "state": "MD"}, ...]），用apply遍历列表做精准匹配：

# 匹配机构全称+贝塞斯达+马里兰州，兼容NINDS缩写
ninds_trials = df[df['locations'].apply(lambda loc_list: any(
    (loc.get('name') in ['National Institute of Neurological Disorders and Stroke', 'NINDS'])
    and loc.get('city') == 'Bethesda'
    and loc.get('state') == 'MD'
    for loc in loc_list
))]

场景2：地点字段是分隔符拼接的字符串 #

统一转为小写消除大小写差异，再用关键词组合筛选：

# 统一转小写，避免匹配遗漏
df['locations_lower'] = df['locations'].str.lower()
# 同时匹配贝塞斯达、马里兰州、NINDS相关关键词
ninds_trials = df[
    df['locations_lower'].str.contains('bethesda')
    & df['locations_lower'].str.contains('md|maryland')
    & df['locations_lower'].str.contains('ninds|national institute of neurological disorders and stroke')
]

场景3：地点信息分散在多列 #

如果机构名、城市、州分别存在独立列（比如institution、city、state），直接组合条件：

ninds_trials = df[
    (df['institution'].str.lower().str.contains('ninds|national institute of neurological disorders and stroke'))
    & (df['city'].str.lower() == 'bethesda')
    & (df['state'].str.lower() == 'md')
]

场景4：地点字段是多层嵌套JSON #

先用json_normalize拉平嵌套结构，再筛选：

from pandas import json_normalize

# 拉平地点字段，生成每个地点单独的行
flat_locations = json_normalize(df['locations'])
# 合并原数据与拉平后的地点信息
df_flat = df.join(flat_locations)
# 筛选目标地点
ninds_trials = df_flat[
    (df_flat['name'].str.lower().str.contains('ninds'))
    & (df_flat['city'].str.lower() == 'bethesda')
    & (df_flat['state'].str.lower() == 'md')
]

常见避坑点 #

• 必须统一大小写：比如有的记录写bethesda、有的写Bethesda，转小写/大写后再匹配
• 兼容机构名称的不同表述：比如全称、缩写NINDS都要覆盖
• 多地点记录要确保至少有一个地点符合条件，不能用全量匹配

内容的提问来源于stack exchange，提问作者Rstudyer