使用 re 从 Patsy 公式中删除项

Question

上下文：Python3.4.3

我不太擅长正则表达式，我似乎无法使用 re.

找到可靠的解决方案

假设我们有一个很长的 patsy formula 并且在中间某处是一个表达式，例如：

... + xvar + np.log(xvar)+xvar**2 + xvar2+ z...

Patsy 公式只是遵循良好规则的字符串，所以我想知道是否有人写过/可以轻松地写出一种从给定公式中删除特定术语的可靠方法？所以，例如：

>>> remove_term(long_formula, 'xvar')
... + np.log(xvar)+xvar**2 + xvar2+ z...

和

>>> remove_term(long_formula, 'xvar2')
... + xvar + np.log(xvar)+xvar**2 + z...

等这也需要在右侧公式规范的开头/结尾有一个变量。

我有限的 regex-foo 只产生如下内容：

re.sub('[^(]\s*xvar\s*',' FOUND IT ', 'y ~ xvar + np.log(xvar)')

也许是半复杂的 if/else re.sub 情况？

Answer 1

没有通用的方法可以用正则表达式做您想做的事情，因为 Patsy 的公式语言不是正则语言。（就像 HTML is not a regular language 一样。）

但是无论如何也没有必要去弄乱字符串——因为 documented here，patsy 提供了一个很好的面向对象的公式表示作为其 public API 的一部分。在内部，您每次调用 dmatrix 时都在使用它：公式字符串被解析为这种表示形式，然后这种表示形式用于下游的所有内容。但您也可以直接使用它，例如：

In [3]: m = patsy.ModelDesc.from_formula("xvar + np.log(xvar)+xvar**2 + xvar2")

In [4]: m
Out[4]: 
ModelDesc(lhs_termlist=[],
          rhs_termlist=[Term([]),
                        Term([EvalFactor('xvar')]),
                        Term([EvalFactor('np.log(xvar)')]),
                        Term([EvalFactor('xvar2')])])

In [5]: m.rhs_termlist.remove(patsy.Term([patsy.EvalFactor('xvar')]))

In [6]: m
Out[6]: 
ModelDesc(lhs_termlist=[],
          rhs_termlist=[Term([]),
                        Term([EvalFactor('np.log(xvar)')]),
                        Term([EvalFactor('xvar2')])])

然后将 m 传递给需要公式的 patsy 函数，例如 patsy.dmatrix(m, dataframe).

使用 re 从 Patsy 公式中删除项

Removing Terms from Patsy Formulas with re

python

regex

python-3.x

patsy