Pandas高效替换字符串：提取受伤部位替代整串文本

原始数据 #

import pandas as pd

df = pd.DataFrame({
    'name': ['John','William', 'Nancy', 'Susan', 'Robert', 'Lucy', 'Blake', 'Sally', 'Bruce'],
    'injury': ['right hand broken', 'lacerated left foot', 'foot broken', 'right foot fractured', '', 'sprained finger', 'chest pain', 'swelling in arm', 'laceration to arms, hands, and foot']
})

需求说明 #

需要将injury列的描述文本替换为仅保留核心受伤部位（如hand、foot等），同时处理空值，优雅应对多部位同时出现的场景。

解决方案 #

1. 定义部位匹配规则

先明确需要提取的部位，用字典统一处理单复数映射，避免同一部位出现多种写法：

part_mapping = {
    r'\bhand(s)?\b': 'hand',  # 匹配hand/hands
    r'\bfoot\b': 'foot',
    r'\bfinger\b': 'finger',
    r'\bchest\b': 'chest',
    r'\barm(s)?\b': 'arm'     # 匹配arm/arms
}

2. 编写批量提取函数

用正则匹配所有符合规则的部位，去重后格式化输出，同时处理空值：

import re

def extract_injury_parts(text):
    # 处理空字符串
    if not text.strip():
        return ''
    # 用集合存储匹配到的部位，自动去重
    matched_parts = set()
    for pattern, target_part in part_mapping.items():
        # 忽略大小写匹配，避免漏判
        if re.search(pattern, text, flags=re.IGNORECASE):
            matched_parts.add(target_part)
    # 排序后用逗号分隔，保证输出格式统一
    return ', '.join(sorted(matched_parts))

3. 批量应用到DataFrame

用apply方法快速处理整列数据：

df['injury'] = df['injury'].apply(extract_injury_parts)

处理后得到的结果：

name      injury
0   John      hand
1   William   foot
2   Nancy     foot
3   Susan     foot
4   Robert  
5   Lucy      finger
6   Blake     chest
7   Sally     arm
8   Bruce     arm, hand, foot

多部位场景处理建议 #

• 单复数统一：通过正则(s)?匹配单复数形式，映射到统一的单数部位名，避免同一部位出现多种表述
• 自动去重：用集合存储匹配结果，能自动过滤文本中重复提到的同一部位
• 灵活扩展：后续新增需要提取的部位，只需在part_mapping字典里添加对应的正则规则和目标部位即可
• 大小写兼容：正则添加re.IGNORECASE参数，不管文本是大写还是小写都能准确匹配

内容的提问来源于stack exchange，提问作者equanimity