如何通过字符匹配从DataFrame中提取日文药品名和对应剂量？

你可以结合pandas的字符串处理和正则匹配实现需求，完全符合你提到的匹配字母F和字符「注」的拆分逻辑： #

完整代码实现 #

import pandas as pd
import re

# 全角数字转半角辅助函数，处理日文全角数字问题
def zenkaku_to_hankaku(s):
    return s.translate(str.maketrans('０１２３４５６７８９', '0123456789'))

# 构造测试数据，你可以替换成你自己的DataFrame读取逻辑
df = pd.DataFrame({
    'Drug name': [
        'コージネイトＦＳバイオセット注２５０　２５０国際単位',
        'アドベイト注射用５００　５００単位'
    ]
})

# 提取纯净药品名：取字符串开头到第一个「Ｆ」或「注」之前的内容，去除首尾空白
df['Drug_clean'] = df['Drug name'].str.extract(r'^([^Ｆ注]+)')[0].str.strip()

# 提取剂量：先转全角数字为半角，再提取第一个连续数字，转为整数格式
df['Volume'] = df['Drug name'].apply(zenkaku_to_hankaku).str.extract(r'(\d+)')[0].astype(int)

逻辑说明 #

• 药品名提取正则^([^Ｆ注]+)：^限定从字符串开头匹配，[^Ｆ注]+匹配所有非「Ｆ」、非「注」的字符，遇到第一个目标终止符就停止，刚好拆分出前面的药品通用名部分。
• 剂量提取优先转换全角数字为半角，再取第一个出现的连续数字，避免了后面重复标注的剂量干扰，匹配你需要的结果。

运行后输出的Drug_clean和Volume列和你给出的预期效果完全一致。

内容的提问来源于stack exchange，提问作者N Kevin