如何用Python/Pandas基于列值标准化LOT_std列？

步骤说明与代码实现 #

1. 初始化数据：构造与你提供的表格一致的示例DataFrame
2. 提取目标药物列表：从第一行Regimen中拆分出需要匹配的药物（排除后缀Q21C）
3. 定义匹配条件：筛选出Line of Therapy (LOT)为maintenance且Regimen包含至少一种目标药物的行
4. 填充目标值：对符合条件的行，将LOT_std设为第一行的LOT1

import pandas as pd

# 构造原始表格数据
data = {
    'Regimen': ['DrugA + DrugB + DrugC Q21C', 'DrugA', 'DrugA + DrugB', 'DrugA + DrugB + DrugC'],
    'Line of Therapy (LOT)': ['LOT 1', 'maintenance', 'maintenance', 'maintenance'],
    'LOT_std': ['LOT1', '', '', '']
}
df = pd.DataFrame(data)

# 提取第一行中的所有药物（去除Q21C后缀后拆分）
first_regimen_drugs = df.loc[0, 'Regimen'].replace(' Q21C', '').split(' + ')

# 构建筛选条件：LOT为maintenance，且Regimen包含至少一种目标药物
filter_condition = (df['Line of Therapy (LOT)'] == 'maintenance') & \
                   df['Regimen'].apply(lambda x: any(drug in x for drug in first_regimen_drugs))

# 对符合条件的行填充LOT_std值
df.loc[filter_condition, 'LOT_std'] = df.loc[0, 'LOT_std']

# 查看最终结果
print(df)

执行结果 #

运行代码后得到的表格如下：

扩展说明 #

如果第一行Regimen的后缀格式有变动（比如不是Q21C），可以调整字符串处理逻辑，比如用空格拆分取前半部分：

first_regimen_drugs = df.loc[0, 'Regimen'].split(' ')[0].split(' + ')

若药物名称存在歧义（比如DrugA和DrugAA），可以改用正则匹配完整药物名，避免误匹配：

import re
def has_target_drug(regimen, drugs):
    for drug in drugs:
        if re.search(rf'\b{drug}\b', regimen):
            return True
    return False

filter_condition = (df['Line of Therapy (LOT)'] == 'maintenance') & \
                   df['Regimen'].apply(lambda x: has_target_drug(x, first_regimen_drugs))

内容的提问来源于stack exchange，提问作者Sir