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：
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