基于Pandas数据框匹配ID替换表达式取值并计算结果的实现问题

核心问题原因 #

原有实现采用全局子串替换逻辑，纯数字ID会匹配到组合ID中的数字片段，导致替换错误。

解决思路 #

使用正则断言做完整ID匹配，仅替换前后无其他字母/数字的独立ID，同时按ID长度倒序替换，避免短ID干扰长ID匹配。

完整实现代码 #

import pandas as pd
import re

# 入参定义
# df：包含Patient、ID两列的原始数据框
exp = '((71+72)*((73+75)+SD75))*((74+76)+SD76))'

# 步骤1：提取表达式中所有ID，按长度倒序排序
all_exp_ids = re.findall(r'[A-Za-z]*\d+', exp)
all_exp_ids = sorted(list(set(all_exp_ids)), key=lambda x: len(x), reverse=True)

# 步骤2：构建患者ID映射表
patient_id_set = df.groupby('Patient')['ID'].agg(set).to_dict()

# 步骤3：定义单患者结果计算逻辑
def calculate_value(patient):
    owned_ids = patient_id_set[patient]
    processed_exp = exp
    for id_val in all_exp_ids:
        # 前后断言保证仅匹配独立ID，不匹配子串
        pattern = re.compile(rf'(?<![0-9a-zA-Z]){re.escape(id_val)}(?![0-9a-zA-Z])')
        processed_exp = pattern.sub('1' if id_val in owned_ids else '0', processed_exp)
    return eval(processed_exp)

# 步骤4：生成结果表
result_df = pd.DataFrame({
    'Patient': patient_id_set.keys()
})
result_df['FinalVal'] = result_df['Patient'].apply(calculate_value)

关键逻辑说明 #

• 正则匹配规则中(?<![0-9a-zA-Z])和(?![0-9a-zA-Z])为前后负向断言，保证匹配到的ID前后没有其他字母、数字字符，因此75只会匹配独立出现的数字75，不会匹配SD75中的数字片段。
• ID按长度倒序排序是为了避免短ID优先替换后破坏长ID的结构，比如同时存在7和75时，先替换75再替换7不会出现匹配冲突。
• 若表达式来源不可信，可将eval替换为ast.literal_eval规避安全风险。

内容的提问来源于stack exchange，提问作者user3234112