如何在SAS中基于正则匹配逻辑创建新标记列

实现思路 #

针对自由文本列，通过不区分大小写的正则匹配，判断每行是否包含目标内容，将结果存入新列作为标记。

Pandas 代码实现（处理大型数据集高效方案） #

假设你的数据集已加载为 Pandas DataFrame df，目标文本列名为 text_col，要创建的标记列名为 contains_GnRH：

方法1：高效的矢量化操作（推荐用于大型数据集） #

import pandas as pd

# 读取数据集（替换为你的实际读取方式）
df = pd.read_csv("your_large_dataset.csv")

# 直接用str.contains实现不区分大小写匹配，na=False将缺失值标记为不匹配
df['contains_GnRH'] = df['text_col'].str.contains(r'GnRH', case=False, na=False)

方法2：自定义正则匹配（更灵活） #

如果需要更复杂的正则逻辑，可先用re.compile预编译正则表达式：

import re

# 预编译不区分大小写的正则模式
gnrh_pattern = re.compile(r'GnRH', re.IGNORECASE)

# 用apply逐行判断（适合复杂正则，但大型数据集效率略低于矢量化方法）
df['contains_GnRH'] = df['text_col'].apply(lambda x: bool(gnrh_pattern.search(str(x))))

自定义标记格式 #

如果需要用"匹配"/"不匹配"这类文本标记而非布尔值，可修改代码：

# 矢量化方式实现文本标记
df['contains_GnRH'] = df['text_col'].str.contains(r'GnRH', case=False, na=False).map({True: '匹配', False: '不匹配'})

内容的提问来源于stack exchange，提问作者jackahall