如何删除数据框同一行内的重复ICD编码值

原始数据 #

需求说明 #

移除数据中每个诊断名称后括号内的ICD编码，仅保留纯诊断名称文本，处理后预期效果如下：

预期结果 #

实现方案（Python Pandas） #

使用正则表达式匹配并移除括号及内部内容：

import pandas as pd

# 构建原始数据框
df = pd.DataFrame({
    'en': [
        'Fetishistic transvestism(F65.1)',
        'Obsessive-compulsive disorder(F42.-)',
        'Conduct disorders(F91.-)',
        'Schizophrenia(F20.-)'
    ],
    'ko': [
        '물품음란성 의상도착증(F65.1)',
        '강박장애(F42.-)',
        '행동장애(F91.-)',
        '조현병(F20.-)'
    ]
})

# 批量处理两列，移除括号及编码
df[['en', 'ko']] = df[['en', 'ko']].apply(lambda col: col.str.replace(r'\(.*?\)', '', regex=True).str.strip())

# 查看处理后的数据
print(df)

代码说明 #

• r'\(.*?\)'：正则表达式匹配以(开头、)结尾的任意内容（非贪婪模式，确保只匹配最近的一对括号）
• str.replace：替换匹配到的内容为空字符串
• str.strip()：去除替换后可能残留的首尾空格

内容的提问来源于stack exchange，提问作者이승우