如何用正则表达式提取皮肤科与风湿科相关字符串？

问题分析 #

原代码存在以下问题：

• 正则错误使用逗号分隔两个目标模式，但实际数据中两类词汇不会同时出现在同一条记录里
• 未覆盖所有相关词汇（比如Rheumathology、RHeums）
• 未用命名捕获组，导致后续列名映射混乱

正确实现代码 #

import re
import pandas as pd

# 模拟输入数据
data = {
    'Event Name': [
        'Taltz Seminar for Dermathologists',
        'Experiment Results for Taltz',
        'Use of Taltz in Rheumathology',
        'RHeums Experiences with Taltz'
    ]
}
df = pd.DataFrame(data)

# 修正后的正则：用命名捕获组分别匹配两类目标词汇
pattern = r'(?P<dermatological>Dermathologists)|(?P<rheumatological>Rheumathology|RHeums)'
df_clean = df['Event Name'].str.extract(pattern, flags=re.I)

# 可选：空值填充，根据需求调整
df_clean = df_clean.fillna('')

print(df_clean.head())

代码说明 #

• (?P<dermatological>Dermathologists)：命名捕获组，匹配皮肤科相关词汇，re.I忽略大小写
• (?P<rheumatological>Rheumathology|RHeums)：命名捕获组，匹配风湿科相关的两类词汇
• 用|分隔两个组，表示匹配任意一种情况，每条记录会提取对应类别的词汇，无匹配则为空
• 直接通过命名捕获组生成目标列名，无需额外的reindex操作

执行后输出结果：

dermatological rheumatological
0  Dermathologists                
1                                 
2                  Rheumathology
3                      RHeums

内容的提问来源于stack exchange，提问作者jacky789