每日一题22：Pandas：字符串函数之患某种疾病的患者

一、每日一题 

患者信息表： Patients

+--------------+---------+
| Column Name  | Type    |
+--------------+---------+
| patient_id   | int     |
| patient_name | varchar |
| conditions   | varchar |
+--------------+---------+
在 SQL 中，patient_id （患者 ID）是该表的主键。
'conditions' （疾病）包含 0 个或以上的疾病代码，以空格分隔。
这个表包含医院中患者的信息。

查询患有 I 类糖尿病的患者 ID （patient_id）、患者姓名（patient_name）以及其患有的所有疾病代码（conditions）。I 类糖尿病的代码总是包含前缀 DIAB1 。

按 任意顺序 返回结果表。

查询结果格式如下示例所示。

示例 1:

输入：
Patients表：
+------------+--------------+--------------+
| patient_id | patient_name | conditions   |
+------------+--------------+--------------+
| 1          | Daniel       | YFEV COUGH   |
| 2          | Alice        |              |
| 3          | Bob          | DIAB100 MYOP |
| 4          | George       | ACNE DIAB100 |
| 5          | Alain        | DIAB201      |
+------------+--------------+--------------+
输出：
+------------+--------------+--------------+
| patient_id | patient_name | conditions   |
+------------+--------------+--------------+
| 3          | Bob          | DIAB100 MYOP |
| 4          | George       | ACNE DIAB100 | 
+------------+--------------+--------------+
解释：Bob 和 George 都患有代码以 DIAB1 开头的疾病。

解答：

import pandas as pd

def find_patients(patients: pd.DataFrame) -> pd.DataFrame:
    result = patients[patients['conditions'].str.contains(r'\bDIAB1',regex = True)]
    return result

题源：Leetcode

二、 总结：

详细解释如下：

• patients['conditions']：这部分代码是选取DataFrame patients 中名为conditions的列。
• .str：这是pandas中用于对Series（即一维数组，这里是conditions列）中的每个元素应用字符串方法的访问器。
• .contains(r'\bDIAB1\b', regex=True)：这部分是用来检查每个conditions列的元素是否包含特定的正则表达式模式。这里的模式是\bDIAB1\b，\b是边界匹配符，表示DIAB1必须作为一个完整的单词出现，而不是作为其他单词的一部分。regex=True参数表明我们正在使用正则表达式进行匹配。

2024.5.25