Python-基于部分字符串匹配在数据帧中保留行
我有两个数据帧:Python-基于部分字符串匹配在数据帧中保留行,python,string,dataframe,contains,partial,Python,String,Dataframe,Contains,Partial,我有两个数据帧: df1是邮箱和电子邮件ID的列表 df2显示已批准域的列表 我从excel工作表中读取了两个数据框 xls=pd.ExcelFile(输入文件共享邮箱) df=pd.read\u excel(xls,工作表名称=工作表名称\u共享邮箱) 我只想在df1中保存记录,其中df1[Email\u Id]包含df2[approved\u domain] print(df1) Mailbox Email_Id 0 mailbox1 abc
df1是邮箱和电子邮件ID的列表
df2显示已批准域的列表 我从excel工作表中读取了两个数据框
xls=pd.ExcelFile(输入文件共享邮箱)
df=pd.read\u excel(xls,工作表名称=工作表名称\u共享邮箱)
我只想在df1中保存记录,其中df1[Email\u Id]包含df2[approved\u domain]
print(df1)
Mailbox Email_Id
0 mailbox1 abc@gmail.com
1 mailbox2 def@yahoo.com
2 mailbox3 ghi@msn.com
print(df2)
approved_domain
0 msn.com
1 gmail.com
我想要df3,它基本上显示
print (df3)
Mailbox Email_Id
0 mailbox1 abc@gmail.com
1 mailbox3 ghi@msn.com
这是我现在拥有的代码,我认为很接近,但我无法找出语法中的确切问题
df3=df1[df1['Email\u Id']。应用(lambda x:[如果df2['Approved\u Domains']中的项目在x中的项目。tolist())]
但是你会得到这个错误
TypeError:不可损坏的类型:“列表”
我花了很多时间在论坛上寻找解决方案,但没有找到我想要的。谢谢你的帮助 解决方案
输出:
一些注意事项:
这段代码的大部分基本上只是用于解析数据结构。压缩和解压缩仅用于将列列表转换为行列表并返回。如果已经有行列表,只需执行筛选部分即可解决方案
输出:
一些注意事项:
这段代码的大部分基本上只是用于解析数据结构。压缩和解压缩仅用于将列列表转换为行列表并返回。如果您已经有一个行列表,您只需执行筛选部分,因此您需要遵循以下步骤来为两个数据帧执行所需操作 1.将“电子邮件地址”列拆分为两个单独的列
df1['add'], df1['domain'] = df1['email_address'].str.split('@', 1).str
2.然后删除“添加”列以保持数据框干净
df1 = df1.drop('add',axis =1)
3.通过在“域”列中不选择任何与“已批准域”列不匹配的值,获取仅包含所需值的新数据框
df_new = df1[~df1['domain'].isin(df2['approved_domain'])]
四,。在df_new中删除“域”列
df_new = df_new.drop('domain',axis = 1)
这就是结果
mailbox email_address
1 mailbox2 def@yahoo.com
2 mailbox3 ghi@msn.com
因此,要对两个数据帧执行所需的操作,需要遵循以下步骤 1.将“电子邮件地址”列拆分为两个单独的列
df1['add'], df1['domain'] = df1['email_address'].str.split('@', 1).str
2.然后删除“添加”列以保持数据框干净
df1 = df1.drop('add',axis =1)
3.通过在“域”列中不选择任何与“已批准域”列不匹配的值,获取仅包含所需值的新数据框
df_new = df1[~df1['domain'].isin(df2['approved_domain'])]
四,。在df_new中删除“域”列
df_new = df_new.drop('domain',axis = 1)
这就是结果
mailbox email_address
1 mailbox2 def@yahoo.com
2 mailbox3 ghi@msn.com
您可以使用动态创建的正则表达式来搜索列表中的有效域,并最终将其过滤掉 这是代码供我们参考
# -*- coding: utf-8 -*-
import pandas as pd
import re
mailbox_list = [
['mailbox1', 'abc@gmail.com'],
['mailbox2', 'def@yahoo.com'],
['mailbox3', 'ghi@msn.com']]
valid_domains = ['msn.com', 'gmail.com']
df1 = pd.DataFrame(mailbox_list, columns=['Mailbox', 'EmailID'])
df2 = pd.DataFrame(valid_domains)
valid_list = []
for index, row in df1.iterrows():
for idx, record in df2.iterrows():
if re.search(rf"@{record[0]}", row[1], re.IGNORECASE):
valid_list.append([row[0], row[1]])
df3 = pd.DataFrame(valid_list, columns=['Mailbox', 'EmailID'])
print(df3)
其输出为:
Mailbox EmailID
0 mailbox1 abc@gmail.com
1 mailbox3 ghi@msn.com
您可以使用动态创建的正则表达式来搜索列表中的有效域,并最终将其过滤掉 这是代码供我们参考
# -*- coding: utf-8 -*-
import pandas as pd
import re
mailbox_list = [
['mailbox1', 'abc@gmail.com'],
['mailbox2', 'def@yahoo.com'],
['mailbox3', 'ghi@msn.com']]
valid_domains = ['msn.com', 'gmail.com']
df1 = pd.DataFrame(mailbox_list, columns=['Mailbox', 'EmailID'])
df2 = pd.DataFrame(valid_domains)
valid_list = []
for index, row in df1.iterrows():
for idx, record in df2.iterrows():
if re.search(rf"@{record[0]}", row[1], re.IGNORECASE):
valid_list.append([row[0], row[1]])
df3 = pd.DataFrame(valid_list, columns=['Mailbox', 'EmailID'])
print(df3)
其输出为:
Mailbox EmailID
0 mailbox1 abc@gmail.com
1 mailbox3 ghi@msn.com
粘贴您的代码,特别是df1和DF2的定义更新了帖子,我从excel选项卡读取,并使用我在主帖子中输入的代码将其加载到df中。粘贴您的代码,特别是df1和DF2的定义更新了帖子,我从excel选项卡读取,并使用我在主帖子中输入的代码将其加载到df中